TY -的A2 Rakhshan瓦希德盟——Munien Chanalea盟——Viriri Serestina PY - 2021 DA - 2021/04/09 TI -苏木精和Eosin-Stained乳腺癌组织学显微镜图像分类使用转移学习EfficientNets SP - 5580914六世- 2021 AB -乳腺癌是一种致命的疾病,是全球女性死亡的主要原因。诊断的过程基于活检组织是重要的,浪费时间,容易出现人为错误,可能会有冲突的最终诊断由于interobserver可变性。计算机辅助诊断系统已经设计和实施应对这些问题。这些系统大大有助于提高诊断的效率和准确性,降低成本。此外,这些系统必须有更好的表现,以便确定诊断可以更可靠。本研究调查EfficientNet架构的应用分类的苏木精和eosin-stained乳腺癌组织学图像ICIAR2018提供的数据集。具体来说,七个EfficientNets调整和评估能力分类图像分成四类: 正常、良性的原位癌,和 浸润性癌。此外,两个标准染色标准化技术,莱因哈德和Macenko,观察测量污点规范化对性能的影响。这种方法的结果表明,EfficientNet-B2模型取得了98.33%的准确性和敏感性训练图像上使用Reinhard污点归一化法和96.67%的准确性和敏感性使用Macenko污点归一化法。这些满意的结果表明,将通用功能从自然图像转移到医学图像通过微调EfficientNets可以达到令人满意的结果。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/5580914 - 10.1155 / 2021/5580914摩根富林明计算智力和神经科学PB - Hindawi KW - ER