摘要
一种基于深度学习的乳腺癌病理图像评分方法,属于图像识别领域。现有通过乳腺癌早期病理图像预筛选乳腺癌的方法,存在识别时间长、识别结果准确度低问题。一种基于深度学习的乳腺癌病理图像评分方法,包括:获取乳腺癌病理图像并制作成含有小管形成、有丝分裂计数及核多形性特性的乳腺病理图像的数据集,并标注病理图像的三个特性的对应等级;统一调整数据集中图像大小,并进行数据增强;构建CNN与BiLSTM结合的编码器与解码器结构的神经网络模型,采用预处理后的数据集训练所述的神经网络模型;利用训练好的神经网络模型对待识别图像进行识别获得待识别图像与三个特性的对应的等级。本发明方法能够提高图像筛选的准确度。
技术关键词
乳腺癌病理图像
神经网络模型
解码器结构
评分方法
分支
筛选乳腺癌
数据
编码器结构
噪声方法
复合模块
训练集
注意力机制
表达式
系统为您推荐了相关专利信息
卷积神经网络模型
控制系统
医用
风险
参数耦合关系
电力设备参数
智能化监测方法
三角模糊数
环境控制终端
电力设备现场
瞳孔追踪系统
双摄像头
瞳孔特征
递归神经网络模型
图像输出模块
时间序列曲线
场景
word2vec算法
资源
日志采集方式
太阳能排风扇
时序
双向长短期记忆
序列
神经网络模型