基于改进的卷积神经网络LeNet-5乳腺疾病诊断方法

作者：赵京霞; 钱育蓉^*; 张猛; 杜娇

来源：东北师大学报(自然科学版), 2019, 51(02): 65-70.

DOI：10.16163/j.cnki.22-1123/n.2019.02.012

• 计算机辅助诊断
• 卷积神经网络
• 双通道
• 医学图像分类

针对计算机辅助乳腺疾病诊断方法准确率低、耗时长等问题,提出一种基于改进的卷积神经网络(CNN)的乳腺疾病诊断方法.该方法从以下3个方面做了改进:(1)设计双通道卷积神经网络来解决单通道特征提取不充分的问题;(2)采用Dropout技术有效地防止过拟合现象;(3)采用支持向量机(SVM)代替传统的Softmax分类器以减少运算量,提高运算速度.测试结果表明:所提出的分类模型平均准确率高达92.31%,平均训练时间为968s,充分验证了该方法的有效性.

• 单位
  新疆大学