文献类型：期刊文章

作　　者：王恒[1] 李霞[1] 刘晓芳[1] 徐文龙[1]

WANG Heng;LI Xia;LIU Xiaofang;XU Wenlong(College of Information Engineering,China Jiliang University,Hangzhou 310018,China)

机构地区：[1]中国计量大学信息工程学院,浙江杭州310018

出　　处：《中国计量大学学报》

基　　金：国家自然科学基金项目(No.61672476)

年　　份：2019

卷　　号：30

期　　号：1

起止页码：72-77

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、IC、普通刊

摘　　要：目的:为解决传统机器学习在病理图像诊断方面的性能不足和纯粹人工阅片导致的误诊或者错诊等问题。方法:结合深度学习在图像识别的优势,以ResNet50为基础网络框架,使用迁移学习实现模型功能,设计了一个用于计算机辅助诊断(Computer-Aided Diagnosis, CAD)的乳腺癌病理图像自动分类模型。结果:模型迭代7 000次时在验证集的正确率收敛于98%左右,在测试集上进行测试,正确率达到97.4%。在测试集中的1 083个恶性肿瘤样本中平均有1 061个样本被正确识别出,达到98%的灵敏度。结论:本模型具有泛化性好、深度大、精度高、收敛快的优点,为CAD应用于实际临床诊断提供了可行性论证。

关 键 词：计量  乳腺癌病理图像  ResNet50网络  深度学习  迁移学习  

分 类 号：TB96]