基于卷积神经网络的多类别乳腺癌分类(IEEE会议)

Multiclass Breast Cancer Classification Using Convolutional Neural Network 

摘要:如今，分类系统的质量依赖于数据集的表示，这是一个需要时间来使用深入的知识来产生特定特征的过程。同时，深度学习可以从数据集中提取特征，而无需设计特征提取器。卷积神经网络(CNN)是一种特殊类型的深度学习，在语音识别、图像识别和分类等领域取得了许多成就。在本文中，我们使用CNN对公共BreakHis数据集中的乳腺癌图像进行分类和识别。该数据集包括7909张乳腺癌(BC)组织病理图像，包括4个良性亚类和4个恶性亚类。我们利用这个数据集的新任务是对这些乳腺癌图像进行8类自动多分类，这可以帮助降低死亡率，拯救世界上人们的生命。我们的方法是基于调整大小的原始图像来建立CNN模型并对乳腺癌进行分类。

Published in: 2019 International Symposium on Electrical and Electronics Engineering (ISEE)

1、引言

癌症是当今世界上致死的主要疾病之一。根据世卫组织(世界卫生组织)的数据，2012年有820万人死于癌症，预计在2030年前将有2700万病例。特别是，与其他类型的癌症相比，乳腺癌的死亡率非常高。乳腺癌的检测和诊断可以通过成像程序来实现，如诊断性乳房x线照片(x射线)、超声(超声波)、磁共振成像等。从组织病理学图像诊断是标准的诊断几乎所有类型的癌症，包括乳腺癌。

大多数作者关注乳腺癌组