一种基于改进Inception v4的乳腺组织病理图图像分类方法技术

本发明专利技术属于深度学习和图像分类技术的技术领域，更具体地，设计一种基于改进Inception v4的乳腺组织病理图图像分类方法。所述方法包括：S1.搜集乳腺组织病理图像构建数据集；S2.改进Inception v4网络结构；S3.定义损失函数；S4.训练乳腺组织病理图像数据集；S5.运用改进的Inception v4网络模型对乳腺组织进行分类。S6.利用准确率、精确率、召回率，F1得分四个参数进行评价。本发明专利技术在提高分类准确率和特征提取性能的基础上，能够实现乳腺组织图像的快速、准确分类。

【技术实现步骤摘要】

本专利技术属于深度学习和图像分类技术的，更具体地设计一种基于改进inception v4的乳腺组织病理图图像分类方法。

技术介绍

1、乳腺癌致死率在女性恶性肿瘤排名第一。计算机辅助诊断系统可以大幅度提升工作效率，但由于乳腺结构特殊，专业医师容易对乳腺特别是致密型乳腺的病灶区域位置信息做出错误判断。随着深度学习在解决图像处理上表现出的高效实用性，利用深度学习实现乳腺病理图像组织的分类可有效避免传统方法的缺陷。

2、目前，用于医学影像分类和预测的方法、技术有很多，可划分为统计学方法、机器学习方法、深度学习方法、基于关联规则分类和其他方法。其中基于机器学习和深度学习的方法有较高的准确性和鲁棒性，随着机器学习和深度学习的兴起，出现了基于机器学习和深度学习的乳腺组织病理图像分类方法。基于机器学习的方法主要分为：图像预处理、图像中感兴趣区域提取、图像分割、特征提取和分类。然而许多过程都需要专家进行严格把控，实际应用中不具备这样的条件。另一方面深度学习方法可以从输入的医学图像中学习到相应的特征，摆脱了人工提取特征的弊端；面对情况复杂的乳腺病理组织，深度网络模本文档来自技高网...

【技术保护点】

1.一种基于改进Inception v4的乳腺组织病理图图像分类方法，其特征在于：包括以下检测步骤：

2.根据权利要求1所述的基于改进Inception v4的乳腺组织病理图图像分类方法，其特征在于：步骤S1中，搜集乳腺组织病理图像构建数据集的步骤如下：搜集乳腺组织病理图像，分成训练集、测试集。

3.根据权利要求2所述的基于改进Inception v4的乳腺组织病理图图像分类方法，其特征在于：步骤S2中，改进Inception v4网络结构的具体步骤如下：

4.根据权利要求3所述的基于改进Inception v4的乳腺组织病理图图像分类方法，其特征在于...

【技术特征摘要】

1.一种基于改进inception v4的乳腺组织病理图图像分类方法，其特征在于：包括以下检测步骤：

2.根据权利要求1所述的基于改进inception v4的乳腺组织病理图图像分类方法，其特征在于：步骤s1中，搜集乳腺组织病理图像构建数据集的步骤如下：搜集乳腺组织病理图像，分成训练集、测试集。

3.根据权利要求2所述的基于改进inception v4的乳腺组织病理图图像分类方法，其特征在于：步骤s2中，改进inception v4网络结构的具体步骤如下：

4.根据权利要求3所述的基于改进inception v4的乳腺组织病理图图像分类方法，其特征在于：步骤s3中，损失函数用来评估卷积神经网络中预测值与真实值的偏离程度，训练过程中采用cross-entropy loss(交叉熵)损失函数，与图像真实标签比较计算损失；通过优化器来调整参数，使损失达到最小，交叉熵损失计算公式如下所示：

5.根据权利要求3所述的基于改进inc...

【专利技术属性】
技术研发人员：许红梅，高奥博，窦学威，王作斌，李雨晴，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：