使用微调深度网络融合的乳腺癌组织学图像分类

使用微调深度网络融合的乳腺癌组织学图像分类(中文5100字,英文PDF)
摘要
乳腺癌是全世界妇女最常见的癌症类型。即使对经验丰富的病理学家来说，乳腺活检的组织学评估也是一项具有挑战性的任务。本文提出了一种将乳腺癌组织学图像分为正常、性、原位癌和浸润癌四类的全自动分类方法。该方法以归一化的苏木精和伊红染色图像为输入，通过融合两个不同深度的残差神经网络（resnet）的输出进行最终预测。这些ResNets首先在ImageNet图像上进行了与训练，然后再乳房组织学图像上进行了微调。我们发现，我们的方法在应用于BioImaging 2015 Challenge数据集时，比以前发布的方法大幅度提高，精确度为97.22%。此外，同样的方法在应用于ICIAR 2018年大挑战数据集（采用5倍交叉验证）时提供了出色的分类性能，准确率为88.50%。              
关键词：乳腺癌组织学图像分类深度学习