在常见肿瘤中,能够对女性健康造成直接威胁的是乳腺癌这类疾病。根据最新的中国女性健康情况数据得知:乳腺癌是癌症当中发病率最高的,且造成癌症死亡原因排在第六名。在专家诊断乳腺癌的过程中,常用且最可靠的方法是通过病理诊断,同时该方法富有科学依据。因此实现乳腺癌病理图像识别分类具有重要的意义及临床应用价值。近几年来随着深度学习在计算机视觉领域的发展,加上乳腺癌发病率的提升,使得乳腺癌病理图像识别成为研究热点。本文基于卷积神经网络的乳腺癌病理学图像识别系统进行研究,主要工作如下:(1)近几年来大部分研究集中于良恶性分类,但随着乳腺癌发病率的升高,为了更好地帮助医生诊断具体是哪一种类型的疾病,不同类型的良恶性乳腺肿瘤分类具有不同的治疗方法和治疗意义,从而更快地确定治疗方案,因此本文主要研究的是乳腺癌病理图像的具体分类而不再是简单的良恶性分类。(2)为了解决由于数据量不足导致的过拟合问题,采用数据增强的方式扩充数据集。进行一系列变换比如翻转、平移或旋转。通过增大训练过程中的数据数量来实现泛化性的提高;又通过增加噪声数据的方式来提升鲁棒性。(3)为了提高训练效果,节省训练时间,从而采用迁移学习的办法,同时自然图像分类ImageNet数据集被应用于其中,对预训练好的Inception-Resnet V2网络模型参数迁移到乳腺癌病理图像数据集上进行微调训练。使得网络先学习一些特征,用在目标病理图像数据集,有助于它来识别乳腺癌病理图像。(4)本文研究了近几年流行的3种卷积神经网络,分别为:GoogleNet,ResNet50,Inception-ResnetV2,通过研究它们结构及优缺点,发现网络深度越深其预测效果越好,进而首次将Inception-ResnetV2网络模型应用到乳腺癌病理图像识别中,结果表明;该方法的识别率基本达到80%以上,比前两种的结果好很多。(5)为了让医生和病人更方便快捷得将乳腺癌病理图像识别应用起来,本文基于实验结果应用Core ML和CNN网络建立乳腺癌病理图像识别APP,开发工具为Xcode 9,编程语言采用Swift 4.0。功能可以描述为:当使用者拍完或从相册中选完一张乳腺癌病理图片,通过App将会试着辨识出图片中显示为哪种疾病。相信这会为医生和病人提供诊断相关的帮助。