%0 Journal Article
%T 基于特征融合的卷积神经网络乳腺癌图像分类
%A 董永峰
%A 刘
%A 霞
%A 王利琴
%A 石陆魁
%J 河北工业大学学报
%D 2018
%R DOI：10.14081/j.cnki.hgdxb.2018.06.011
%X 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.</br>Traditionalbreastcancerimageclassificationmethodsneedtoextractfeaturesfrommedicalimages,which notonlyrequiresprofessionalmedicalknowledge,butalsoistime-consuming,laboriousanddifficulttoextracthighqualityfeatures.Therefore,aconvolutionneuralnetworkbasedonfeaturefusionisproposedforbreastcancerimageclas? sification.Thefirstpre-trainingoftwodifferentstructureoftheconvolutionalneuralnetwork,andthenusetheconvolu? tionneuralnetworkcharacteristicsofautomaticfeatureextraction,featureextractiontothetwostructuralintegration,fi? nallyusingclassifiertoclassifythefeatureoffusion;atthesametime,inordertoavoidtheconvolutionalneuralnetwork modelbythesmallsamplesizelimitoverfittingthisphenomenon,throughregionalextraction,refinementandenhance? mentofbreastlesionsofregionaldataandothermethodsofproperimagepretreatment,andthesamplingmethodtosolve theproblemoftheimbalanceofpositiveandnegativesamples.Theexperimentalresultsshowthatthismethodcanclassi? fyAUCinto89%onthedatasetBCDR-F03,andtheclassificationaccuracyofbreastcancerimagesissignificantlyim? provedcomparedwiththetraditionalmethods.
%K 卷积神经网络
%K 特征融合
%K 支持向量机
%K 数据增强
%K 过采样
%K 乳腺癌病理图像&lt
%K /br&gt
%K convolutionalneuralnetwork
%K featurefusion
%K supportvectormachines
%K dataaugmentation
%K oversampling
%K breastcancerhistologicalimage
%U http://zrxuebao.hebut.edu.cn//oa/darticle.aspx?type=view&id=201806011