基于迁移学习和深度卷积神经网络的乳腺肿瘤诊断系统

乳腺肿瘤计算机辅助诊断(CAD)系统在医学检测和诊断中的应用日益重要。为了区分核磁共振图像(MRI)中肿瘤与非肿瘤,利用深度学习和迁移学习方法,设计了一种新型乳腺肿瘤CAD系统:1)对数据集进行不平衡处理和数据增强;2)在MRI数据集上,利用卷积神经网络(CNN)提取CNN特征,并利用相同的支持向量机分类器,计算每层CNN的特征图的分类F1分数,选取分类性能最高的一层作为微调节点,其后维度较低层为连接新网络节点;3)在选取的网络接入节点,连接新设计的两层全连接层组成新的网络,利用迁移学习,对新网络载入权重;4)采用固定微调节点前的网络层不可训练,其余层可训练的方式微调。分别基于深度卷积网络(V