基于 EfficientNetV2和遷移學習的乳腺癌病理圖像分類

打開文本圖片集

摘  要：針對人工識別乳腺癌腫瘤存在無法避免人為因素的問題，提出一種基于EfficientNetV2和遷移學習的乳腺癌病理圖像分類算法。首先，由于現(xiàn)有公開數(shù)據(jù)集BreaKHis樣本數(shù)據(jù)量過小，通過數(shù)據(jù)預(yù)處理實現(xiàn)數(shù)據(jù)增強，從而使模型學習到更多魯棒性的特征。然后將數(shù)據(jù)集在微調(diào)后的EfficientNetV2網(wǎng)絡(luò)模型上進行遷移學習訓練，同時采用Nadam進行梯度下降優(yōu)化，進而實現(xiàn)乳腺癌病理圖像的自動分類。（剩余8030字）