基于集成深度学习的口腔癌影像识别探讨

摘要

目的 探讨利用深度学习和集成学习技术分析口腔医学影像来识别口腔癌的意义。方法 搜集口腔癌患者和正常口腔图像数据，为了增加图像样本数量，提高模型的训练质量，采用图片旋转放缩等方式对数据进行预处理和数据增强来增加图片样本数量。将数据分类标记成正常和癌变两类，作为训练集数据。构造VGG16、VGG19、InceptionV3、ResNet50、Xception等不同类别的卷积神经网络模型，采用训练集对模型进行训练。利用集成学习技术将所有类别的模型融合在一起进一步提升模型识别能力。利用训练好的集成模型对口腔影像进行识别，判断是否患有口腔癌。结果 初步训练后，不同类别的网络模型对口腔癌图像的识别准确率能够达到0.85。进一步训练后，可以达到0.93。经过集成学习，最后的集成模型识别准确率可以达到0.96。这一现象表明，所有深度网络模型在口腔影像识别上都有很强的学习能力，且集成学习可以进一步提升模型的能力。结论 通过实验发现这种基于神经网络模型可以很好地承担口腔癌分类任务，证明了利用图片进行集成深度学习在口腔癌识别领域的可行性。

关键词

深度学习 / 集成学习 / 口腔癌 / 图像识别 / 医学影像

基金资助

国家自然科学基金资助项目(62001174)