基于精简卷积神经网络的低分辨率乳腺癌识别

来源：计算机技术与发展杂志2020年第09期北京时间：

作者：王兵锐;';张新刚;杨晓非

摘要：乳腺癌严重威胁女性健康,应用人工智能进行及时诊断是应对乳腺癌的重要方法。 卷积神经网络(convolutional neural network,CNN)是人工智能中最经典的处理方法之一。 通常健康人数量(称作多数类数据)远大于癌症患者数量(称作少数类数据),学习后的网络模型严重倾向于多数类导致失败。 针对这种数据集不平衡问题,对多数类健康数据集采用随机下采样减少数据,对少数类癌症数据采用数据增强扩充处理,控制网络模型的权重比例,同时融合这三种方法应对数据不平衡。 针对采用的 50×50 像素癌症数据集分辨率过低的问题,调整到 100×100 像素以便提取更多细节。 提出一种 4 卷积层 CNN 网络,分别针对两种像素进行训练测试,并与经典的 16 层 VGG16 网络进行对比。 精度损失曲线和混淆矩阵的实验结果表明,提出的 CNN 的乳腺癌识别精度优于 VGG16 多达 4 个百分点。

关键词：卷积神经网络;乳腺癌;低分辨率;精度损失;不平衡