基于特征融合的卷积神经网络乳腺癌图像分类

摘要：

传统乳腺癌图像分类方法需要从医学图像中人工提取特征,不仅需要具备专业医学知识,而且存在耗时费力、提取高质量特征困难等问题.因此,提出了一种基于特征融合的卷积神经网络乳腺癌图像分类方法.首先预训练了两个不同结构的卷积神经网络,然后利用卷积神经网络自动提取特征的特性,将两个结构提取到的特征进行融合,最后利用分类器对融合的特征进行分类;同时,为避免卷积神经网络模型受小样本量限制出现过拟合现象,通过乳腺病变区域提取、区域细化和数据增强等方法对图像进行适当预处理,并通过过采样方法解决了正负样本不平衡的问题.实验结果显示,该方法在乳腺癌图像数据集BCDR-F03上分类AUC达到89％,对乳腺癌图像的分类精度较传统方法有明显提高.

关键词：卷积神经网络、特征融合、支持向量机、数据增强、过采样、乳腺癌病理图像

所属期刊栏目：47

分类号：TP183;TP391.4(自动化基础理论)

资助基金：河北省科技计划项目15210345;天津市科技计划项目14ZCDGSF00124

在线出版日期：2019-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：70-74