基于改进的自适应提升算法的乳腺癌图像识别研究

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.

关键词

乳腺癌图像识别 / 自适应提升 / 有效区域基因选择 / 多特征融合

基金资助

国家自然科学基金项目(61762038,61861016); 教育部人文社会科学研究规划基金项目(17YJAZH117,16YJAZH029); 江西省自然科学基金项目(20171BAB202023); 江西省科技厅重点研发计划项目(20171BBG70093); 江西省社科规划项目(16TQ02); 江西省教育厅科技项目(GJJ180320)