基于ResNet50网络的乳腺癌病理图像分类研究OACHSSCD
Classification of breast cancer histopathological images based on ResNet50 network
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…查看全部>>
王恒;李霞;刘晓芳;徐文龙
中国计量大学信息工程学院,浙江杭州310018中国计量大学信息工程学院,浙江杭州310018中国计量大学信息工程学院,浙江杭州310018中国计量大学信息工程学院,浙江杭州310018
通用工业技术
计量乳腺癌病理图像ResNet50网络深度学习迁移学习
《中国计量大学学报》 2019 (1)
基于高维数据压缩感知的磁共振快速成像关键技术研究
72-77,6
国家自然科学基金项目(No.61672476)
评论