基于改进DenseNet网络的乳腺癌自动诊断∗

摘要

cqvip:乳腺癌是全球范围下的女性第一大恶性肿瘤,乳腺癌的良恶性及时诊断对于癌症的早期发现及治疗具有重要的意义。传统的依靠人工诊断具有很大的主观性和局限性,并且费时费力;自动诊断工具能根据病理数据实时获取诊断结果。为提高乳腺癌病例图像自动诊断的准确率,提出了基于DenseNet网络的乳腺癌分类模型,进一步利用数据增强、迁移学习以及改进模型结构的方法,在乳腺癌病理图像数据集上建立诊断模型并进行参数优化与训练。实验结果表明,该模型在4种放大倍数下的平均识别率达到了99.20%,与以往的深度学习方法相比较,论文使用的改进DenseNet网络达到了最高的准确率。