作者:郑群花; 段慧芳; 沈尧; 刘娟; 袁静萍乳腺癌病理图像卷积神经网络图像分块多数投票算法迁移学习
摘要:乳腺癌已经成为导致女性死亡最常见的和发病率最高的恶性肿瘤。对HE染色的乳腺癌病理图像的自动分类具有重要的临床意义。针对目前存在的深度卷积神经网络只将图像分为良性和恶性两类,同时对于高分辨率图像处理具有局限性的不足,采用了以AlexNet为架构的卷积神经网络模型将图像分为乳腺导管原位癌、乳腺浸润性导管癌、乳腺纤维腺瘤和乳腺增生四类。对于高分辨率图像,采用图像分块的思想,将每块的分类结果利用多数投票算法进行整合,整合结果作为该图像的分类结果。同时,为了避免因乳腺癌病理图像标记样本过少带来的过拟合问题,采用了迁移学习和数据增强的方法。实验结果表明,该模型识别率达到了99.74%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社