基于ResNet50网络的乳腺癌病理图像分类研究

王恒; 李霞; 刘晓芳; 徐文龙

首页> 中文期刊> 《中国计量学院学报》 >基于ResNet50网络的乳腺癌病理图像分类研究

基于ResNet50网络的乳腺癌病理图像分类研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

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.

著录项

来源
《中国计量学院学报》 |2019年第1期|72-77|共6页
作者
王恒; 李霞; 刘晓芳; 徐文龙;
展开▼
作者单位

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;

展开▼
原文格式 PDF
正文语种 chi
中图分类光学计量;
关键词
计量; 乳腺癌病理图像; ResNet50网络; 深度学习; 迁移学习;

相似文献

中文文献
外文文献
专利

1. 基于ResNet50网络的乳腺癌病理图像分类研究 [J] . 王恒1 ,李霞1 ,刘晓芳1 . 中国计量大学学报 . 2019,第001期
2. 基于ResNet50网络的十种鱼类图像分类识别研究 [J] . 王文成 ,蒋慧 ,乔倩 . 农村经济与科技 . 2019,第019期
3. 基于AutoAugment和残差网络的乳腺癌病理图像分类研究 [J] . 王恒 ,李霞 ,沈茜 . 中国计量大学学报 . 2019,第003期
4. 基于AutoAugment和残差网络的乳腺癌病理图像分类研究 [J] . 王恒 ,李霞 ,沈茜 . 中国计量学院学报 . 2019,第003期
5. 结合卷积神经网络与图卷积网络的乳腺癌病理图像分类研究 [J] . 汪琳琳 ,施俊 ,韩振奇 . 北京生物医学工程 . 2021,第002期
6. 基底样型乳腺癌的临床病理分析及乳腺癌免疫组化分型与预后的相关研究 [C] . 喻林 ,李大力 ,沈旭霞 . 中华医学会病理学分会第十七次学术会议暨首届中国病理年会 . 2011
7. 基于卷积神经网络的乳腺癌病理图像分类研究 [A] . 陈莉 . 2020

基于ResNet50网络的乳腺癌病理图像分类研究

摘要

著录项

相似文献

相关主题

期刊订阅