基于深度信念网络的乳腺肿瘤辅助诊断研究
许凯波1
罗广祥1
孙震辉2
1.长安大学地球科学与资源学院 西安 7100542.中国科学院遥感与数字地球研究所 北京 100101
摘要：针对传统的浅层机器学习算法对乳腺肿瘤识别精度不高的问题,论文构建了一种基于深度信念网络(DBN)的乳腺肿瘤识别模型.首先对原始的乳腺肿瘤特征数据进行预处理,然后构建深度信念网络模型对乳腺肿瘤特征数据进行训练和识别,最后将深度信念网络模型的识别精度和传统的浅层机器学习算法的结果进行了对比.仿真实验结果表明,论文构建的基于深度信念网络的模型对乳腺肿瘤具有很好的识别效果,平均识别精度达到了98.45%,识别精度高于BP神经网络、LVQ神经网络、决策树和支持向量机(SVM)等浅层机器学习算法.
关键词：浅层机器学习算法深度信念网络乳腺肿瘤辅助诊断
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(41471310)陕西省教育厅重点实验室科研计划项目(14JS010)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 582-586 )
英文信息