针对乳腺超声图像标准化数据量少且此类医学图像数据缺乏等场景,提出带池化层图神经网络模型以实现在训练数据极少的情况下实现较好的乳腺超声图像良、恶性分类效果。通过增强边缘信息并提取特征,利用样本间相似性更新图,经由池化层概括类别特征,并与其他多种模型进行实验对比,在训练数据约67幅、测试数据约1272幅的条件下,带池化层图神经网络模型准确率达到了81.680%,且具有较低的误诊率和漏诊率,可用于实际的辅助诊断过程中。
科研之友
微信
新浪微博
Facebook
分享链接
