文献类型：期刊文章

作　　者：何雪英[1] 韩忠义[1] 魏本征[1]

HE Xueying;HAN Zhongyi;WEI Benzheng(College of Science and Technology,Shandong University of Traditional Chinese Medicine,Jinan 250355,Chin)

机构地区：[1]山东中医药大学理工学院,济南250355

出　　处：《计算机工程与应用》

基　　金：山东省自然科学基金(No.ZR2015FM010);山东省高等学校科技计划项目(No.J15LN20);山东省医药卫生科技发展计划项目(No.2016WS0577);山东省中医药科技发展计划项目(No.2015-026)

年　　份：2018

卷　　号：54

期　　号：12

起止页码：121-125

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法,存在需要专业领域知识、耗时费力、提取高质量特征困难等问题。为此,采用一种改进的深度卷积神经网络模型,实现了乳腺癌病理图像的自动分类;同时,利用数据增强和迁移学习方法,有效避免了深度学习模型受样本量限制时易出现的过拟合问题。实验结果表明,该方法的识别率可达到91%,且具有较好的鲁棒性和泛化性。

关 键 词：乳腺癌病理图像分类  深度学习  卷积神经网络 迁移学习  数据增强  

分 类 号：TP391.4]