改进卷积神经网络在腺癌病理图像分类中的应用

摘要：

针对传统卷积神经网络(CNN)稀疏的网络结构无法保留全连接网络密集计算的高效性和在实验过程中卷积特征利用率低造成的分类结果不准确或收敛速度较慢的问题,提出了一种基于CNN的多尺度方法结合反卷积网络的特征提取算法(MSDCNN)并对腺癌病理图像进行分类.首先,利用反卷积操作实现不同尺度特征的融合,然后利用Inception结构不同尺度卷积核提取多尺度特征,最后通过Softmax方法对图像进行分类.在腺癌病理细胞图像进行的分类实验结果表明,在最后的卷积特征尺度相同的情况下,MSDCNN算法比传统的CNN算法分类精度提高了约14% ,比同样基于多尺度特征的融合网络模型方法分类精度提高了约1. 2% .

关键词：反卷积、Inception结构、特征融合、病理图像、CNN

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省科技厅重点研发项目;四川省新一代人工智能重大专项

在线出版日期：2020-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：279-285