文献类型：期刊文章

作　　者：和青芳[1] 王慧[1] 程光[1]

HE Qing-fang;WANG Hui;CHENG Guang(Institute of Computer Technology,Beijing Union University,Beijing 100101,China)

机构地区：[1]北京联合大学计算机技术研究所,北京100101

出　　处：《计算机科学》

基　　金：北京市自然科学基金(L191006);北京联合大学科研项目(XP202021)。

年　　份：2021

卷　　号：48

期　　号：S01

起止页码：67-73

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对乳腺癌病理组织图像数据普遍存在数据集规模小、良性和恶性样本数量分布不均衡、自动识别精度低的现状,利用深度可分离卷积、小卷积核堆叠、增深降维等技术,结合文中提出的"SoftMax+WF"设计具备合理深度和宽度、适应小数据集、轻型的病理组织图像分类模型。在图像旋转、扭曲等传统增强数据方法基础上,采用随机不重复裁切法均衡良、恶性样本数量并扩充数据集。针对训练集中难以聚类的样本,提出"弱特征"概念、"弱特征"样本提取算法和自适应调整、二次训练算法改进模型训练。在参数设置和运行环境相同的条件下,进行8组比对实验,模型的准确率、敏感度、特异度均可达97%以上。实验结果证明文中设计的模型性能稳定,对小数据集和不均衡数据集具有较好的包容性和适应性。

关 键 词：乳腺癌病理组织图像  自适应小数据集  弱特征  卷积神经网络 深度可分离卷积  深度学习  

分 类 号：TP391]