计算机技术与发展2022，Vol.32Issue(4) ：175-180,185.DOI:10.3969/j.issn.1673-629X.2022.04.030

基于多尺度多色域特征融合的乳腺癌图像分类

Breast Cancer Histopathological Image Classification Based on Multi-scale and Multi-gamut Feature Fusion

张莉 张成 郝岩 程蓉 白艳萍
计算机技术与发展2022，Vol.32Issue(4) ：175-180,185.DOI:10.3969/j.issn.1673-629X.2022.04.030
✕
  • 维普
  • 万方数据

基于多尺度多色域特征融合的乳腺癌图像分类

Breast Cancer Histopathological Image Classification Based on Multi-scale and Multi-gamut Feature Fusion

张莉 1张成 1郝岩 2程蓉 1白艳萍1
扫码查看

作者信息

  • 1. 中北大学 理学院,山西 太原 030051
  • 2. 中北大学 信息与通信工程学院,山西 太原 030051
  • 折叠

摘要

乳腺癌是世界上女性发病率最高的癌症,而组织病理图像是鉴定乳腺癌的"黄金标准".为了实现对乳腺癌组织病理图像的精确分类,提出了一种基于多尺度多色域特征融合的乳腺癌组织病理图像分类方法.此方法能实现良、恶性病理图像的有效分类.首先进行多色域特征提取,将病理图像从RGB空间转换到HSV空间,分别提取H、S、V三个色彩分量的9维颜色矩特征和24维灰度共生矩阵特征(GLCM);其次进行多尺度特征提取,利用Haar两层小波分解提取病理图像的高频分量(水平、垂直、对角),共得高频分量的48维灰度共生矩阵特征.将最终形成的81维特征向量输入到不同训练集训练所生成的7类支持向量机(SVM)中进行分类,将分类结果采取多数投票策略,获得最终识别准确率.通过BreaKHis公开数据集的实验表明,4个放大倍数图像的分类准确率分别达到约95.31％、94.34％、93.07％和91.94％.

关键词

乳腺癌/颜色矩/灰度共生矩阵/Haar小波/支持向量机/多数投票策略

引用本文复制引用

基金项目

国家自然科学基金(61774137)

山西省重点研发计划(201903D121156)

山西省自然科学基金(201801D121026)

山西省基础研究计划(202103021223189)

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量7
段落导航相关论文