Abstract：
乳腺癌已经成为全球第一大癌症，乳腺癌的早期发现及良恶性诊断对于治疗具有重要的意义。针对传统机器学习方法在乳腺癌病理图像分类任务中性能不足和准确率低的问题，本文提出了基于CNN(卷积神经网络)的乳腺癌病理图像分类模型，将乳腺癌病理图像分为良性与恶性。该模型以VGG网络为基础，对网络结构进行调整，在公开的BreakHis数据集上实验。针对数据集存在的样本不均衡问题，采用焦点损失函数进行优化，并在网络训练过程结合了迁移学习和数据增强策略。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96.96%,分类准确率较先前的模型有了大幅提升，能够为乳腺癌病理图像的分类提供有意义的参考。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
智能计算机与应用
ISSN： 2095-2163
CN： 23-1573/TN
Year： 2022
Issue： 03
Volume： 12
Page： 92-96
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
