乳腺癌病理图像相关论文
医学病理图像精准的自动分类一直是深度学习领域研究的重要问题。但传统的人工提取特征并进行图像分类,通常需要深入的知识以及更......
基于卷积神经网络提出了一种多任务模型将乳腺癌组织学图像分为良性与恶性及其子类.该模型是多任务模型,任务一将病理图像分为良性......
乳腺癌病理图像癌区域检测是辅助医生进行病理诊断的基础，它的目标是利用计算机技术自动检测和定位病理切片图像中的癌区域。相比于......
卷积神经网络(Convolutional Neural Networks,CNN)模型具有非常出色的学习能力,它将图像数据直接输入,在无需人工对图像进行预处......
目的:通过深入分析乳腺病理图像,为精确区分良恶性乳腺肿瘤,提出便于计算又能给出较高的分类精度的纹理特征参数。方法:基于灰度共......
由于医学病理图像标注成本高、获取困难,采用数据增强方法对小样本数据集进行扩充。针对传统分类方法对特征工程过度依赖的问题,采......
准确、高效的乳腺癌病理图像分类是计算机辅助诊断的重要研究内容之一。随着机器学习技术的发展,深度学习日渐成为一种有效的乳腺......
乳腺癌已经成为导致女性死亡最常见的和发病率最高的恶性肿瘤。对HE染色的乳腺癌病理图像的自动分类具有重要的临床意义。针对目前......
针对人工阅片需耗费大量时间并可能出现误诊、漏诊,以及基于人工提取特征进行病理图像分类的机器学习算法性能不足,高层次特征提取......
目的:为解决传统机器学习在病理图像诊断方面的性能不足和纯粹人工阅片导致的误诊或者错诊等问题。方法:结合深度学习在图像识别的......
期刊
传统乳腺癌图像分类方法需要从医学图像中人工提取特征,不仅需要具备专业医学知识,而且存在耗时费力、提取高质量特征困难等问题.......
乳腺癌严重威胁女性健康和生命,及时诊断并提供治疗方案给医生带来了挑战,病理图像分类结果是医生确诊的重要依据,实现乳腺癌病理......
细胞自动检测和颜色自动分离是病理图像分析中的两个具有挑战性的基本问题,为很多后续进一步的定量分析提供基础,如构建基于图描述......
近年来,计算机视觉技术在实际生活中的落地应用越来越多,一定程度上推动了安全领域、交通领域、军事领域等诸多行业的发展。在医疗......
