科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:为解决传统机器学习在病理图像诊断方面的性能不足和纯粹人工阅片导致的误诊或者错诊等问题。方法:结合深度学习在图像识别的优势,以ResNet50为基础网络框架,使用迁移学习实现模型功能,设计了一个用于计算机辅助诊断(Computer-Aided Diagnosis, CAD)的乳腺癌病理图像自动分类模型。结果:模型迭代7 000次时在验证集的正确率收敛于98%左右,在测试集上进行测试,正确率达到97.4%。在测试集中的1 083个恶性肿瘤样本中平均有1 061个样本被正确识别出,达到98%的灵敏度。结论:本模型具有泛化性好、深度大、精度高、收敛快的优点,为CAD应用于实际临床诊断提供了可行性论证。
- 单位
