基于深度学习的胃癌病理图像分类方法
针对深度卷积神经网络能够有效提取图像深层特征的能力,选择在图像分类工作中表现优异的GoogLeNet和AlexNet模型对胃癌病理图像进行诊断.针对医学病理图像的特点,对GoogLeNet模型进行了优化,在保证诊断准确率的前提下降低了计算成本.在此基础上,提出模型融合的思想,通过综合不同结构和不同深度的网络模型,来学习更多的图像特征,以获取更有效的胃癌病理信息.实验结果表明,相比原始模型,多种结构的融合模型在胃癌病理图像的诊断上取得了更好的效果.
深度学习、卷积神经网络、胃癌病理图像、GoogLeNet优化、模型融合
45
TP391.7(计算技术、计算机技术)
国家自然科学基金61472026;国家重点研究发展计划SQ2017ZX106047;北京市自然科学基金重点项目4161004;北京市科技计划项目Z171100000117001;北京市科技计划项目Z161100000216143;北京市自然科学基金资助项目5182018
2018-12-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
263-268