基于多任务模型的乳腺癌病理图像分类 |
| |
作者单位: | 哈尔滨工程大学机电工程学院,黑龙江哈尔滨150001 |
| |
摘 要: | 基于卷积神经网络提出了一种多任务模型将乳腺癌组织学图像分为良性与恶性及其子类.该模型是多任务模型,任务一将病理图像分为良性与恶性,任务二将图像分为良性与恶性的子类.模型总的损失函数是两个分类任务损失函数的加权和.该模型采用卷积层和全局平均池化层替代末端全连接层作为分类层,应用数据增强方法提升模型的性能.模型使用乳腺癌病理图像数据集BreaKHis进行消融实验并与VGG16模型进行对比.实验结果显示:提出的模型能够取得更好的性能,在二分类上达到了98.55%~99.52%的分类准确率,在多分类上达到了92.26%~94.85%的分类准确率.
|
关 键 词: | 卷积神经网络 乳腺癌病理图像 图像分类 多任务学习 深度学习 数据增强 |
本文献已被 CNKI 万方数据 等数据库收录! |
|