换一批基于迁移学习的乳腺肿瘤组织病理图像分类研究
Classification of Histopathological Images of Breast Tumors Based on Transfer Learning
摘要乳腺癌是一种严重危害人体健康的恶性肿瘤,准确的诊断对于预防和治疗乳腺癌至关重要.相比人工检测的方法,计算机辅助检测系统更为高效省时.研究基于迁移学习方法,在微调Alexnet模型的基础上采用基于核的支持向量机(SVM)作为分类器构建了Alexnet-SVM模型,使用该模型对BreakHis数据库中的乳腺肿瘤组织病理图像分类.为了进一步提高模型的分类准确率,使用GA、GWO、Grid三种算法对SVM的核参数进行了优化.结果表明,经过GA算法优化过后的SVM对BreakHis数据库中不同放大倍数(40,100,200,400)下的乳腺肿瘤组织病理图像平均分类准确率分别达到 97.51%、97.65%、97.68%和 97.12%.相比目前已有的深度神经网络模型,所提出的模型分类准确率更高.研究结果对于乳腺癌的早期诊断具有重要的临床应用价值.
更多相关知识
关键词
乳腺癌迁移学习图像分类支持向量机优化算法breast cancertransfer learningimage classificationsupport vector machineoptimization algorithm
分类号
TP391.41
DOI
10.3969/j.issn.1672-9870.2023.05.018
发布时间
2023-10-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
吉林省科技发展计划项目（20210204194YY）
吉林省教育厅科学技术研究项目（JJKH20220782KJ）
- 浏览3
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
