文献阅读--基于卷积神经网络和迁移学习的乳腺癌病理图像分类

• 研究对象

  来自合作医院武汉大学人民医院病理科提供的病理图像  
• 研究动机
  针对目前存在的深度卷积神经网络只将图像分为良性和恶性两类，同时对于高分辨率图像处理具有局限性的不足，采用以 AlexNet 为架构的卷积神经网络模型将图像分为乳腺导管原位癌、乳腺浸润性导管癌、乳腺纤维腺瘤和乳腺增生四类   
• 文献综述

         本文以 AlexNet 为架构的卷积神经网络，将高分辨率乳腺癌病理图像分成乳腺导管原位癌、乳腺浸润性导管癌、乳腺纤维腺瘤和乳腺增生四类通过图像分块的方法，将每块的分           类结果使用多数投票算法整合，使模型能够高效准确地处理高分辨率的乳腺癌病理图像采用迁移学习的方法解决了乳腺癌病理图像标记样本过少带来的过拟合问题。

• 研究方案设计

        将原始图像先进行染色归一化预处理，利用数据增强技术扩大数据集，然后将图像分块，输入 CNN 进行训练( 分类) ，最后对每块的分类结果用多数投票算法进行整合，整合之            后的类别即为原始图像的类别。  

• 使用数据集

         ImageNet 数据集

• 研究结论

         本文提出的方法具有较高的识别率，为临床诊断提供了更好的辅助作用。本文存在的不足是实验数据仍然不是很大，今后的工作方向是使用更多的数据测试模型的识别率    

标签：乳腺,乳腺癌,卷积,病理,神经网络,图像
来源： https://www.cnblogs.com/lxt-/p/12025408.html