癌症细胞病理学图像的卷积神经网络分类：以乳腺癌为例
图像与视频处理
2024-04-15 v1 计算机视觉与模式识别
机器学习
摘要
乳腺癌是妇科癌症中较为常见的一种，其诊断通常依赖于病灶细胞的病理学检查。乳腺癌的病理学诊断不仅需要专业人员且耗时，有时还涉及主观判断。为了解决依赖病理学家专业知识以及实现准确乳腺病理图像分类耗时长的挑战，本文引入了一种利用卷积神经网络（CNN）对病理图像进行快速分类的方法，旨在提高乳腺病理图像检测的效率。该方法能够将病理图像快速、自动地分类为良性和恶性两组。该方法论采用基于 Inceptionv3 架构和迁移学习算法的 CNN 模型，从病理图像中提取特征；利用带有全连接层的神经网络并采用 SoftMax 函数进行图像分类。此外，还引入了图像分块的概念以处理高分辨率图像。为了获得最终的分类结果，使用求和、乘积和最大值三种算法聚合每个图像块的概率。在 BreaKHis 公开数据集上进行了实验验证，在所有四个放大倍数（40X、100X、200X 和 400X）下准确率均超过 0.92。这表明所提出的方法有效提高了乳腺癌病理图像分类的准确率。
引用
@article{arxiv.2404.08279,
title = {Convolutional neural network classification of cancer cytopathology images: taking breast cancer as an example},
author = {MingXuan Xiao and Yufeng Li and Xu Yan and Min Gao and Weimin Wang},
journal= {arXiv preprint arXiv:2404.08279},
year = {2024}
}