基于改进的自适应提升算法的乳腺癌图像识别研究

• 全文链接
• 请求原文

作   者：

张红斌;  邬任重;  蒋子良;  武晋鹏;  袁天;  滑瑾;  姬东鸿; 

作者机构：

武汉大学国家网络安全学院;  华东交通大学信息工程学院;  华东交通大学软件学院; 

关键词：

多特征融合;  乳腺癌图像识别;  自适应提升;  有效区域基因选择; 

期刊名称：

华中师范大学学报(自然科学版)

基金项目：

基于稀疏二分图与多模态分布式语义的图像句子标注关键技术研究
基于协同注意力机制与病理属性挖掘的可解释性肿瘤图像诊断模型研究

i s s n：

1000-1190

年卷期：

2020 年 006 期

页   码：

935-943

摘   要：

为解决医疗资源不足、就诊量日增等问题,需设计基于计算机的乳腺癌图像识别模型,更高效地辅助病理医生的临床诊断工作.然而,现有算法多采用单类别特征完成识别,未充分发挥特征之间互补性.该文提出改进的自适应提升算法:在SIFT、Gist、HOG、VGG16特征提取基础上,改进有效区域基因选择(Effective Range Based Gene Selection,ERGS)算法,动态计算特征权重;采用自适应提升算法将弱分类器集成为强分类器,并对其输出的预估概率做ERGS加权,实现多特征融合.实验表明:1)算法识别精准度达86.24%,较最强基线提高3.82%;2) SIFT、Gist、HOG特征之间具有较强互补性,它们有助于准确刻画乳腺癌图像;3)阳性图像更易识别.