基于自适应调整VGG16模型的乳腺癌风险预测

作     者：岳洋 张维 苗耀锋 YUE Yang;ZHANG Wei;MIAO Yao-feng

作者机构：西安外事学院工学院西安710077 

出 版 物：《信息技术》 (Information Technology)

年 卷 期：2024年第48卷第5期

页      面：138-143页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：陕西省教育厅科学研究计划项目资助(23JK0630) 陕西省教育科学“十四五”规划项目(SGH23Y2909) 陕西省自然科学基础研究计划面上项目(2021JM-528,2021JM-527) 

主　　题：深度学习 乳腺癌 VGG16 ResNet18 DDSM数据集 

摘      要：乳腺癌的早期诊断可增加癌症治愈的几率,因此提升早期诊断的正确性非常重要。文中结合深度学习框架Pytorch,提出基于深度学习自适应调整VGG16模型(Ad-VGG16)应用于乳腺癌良性恶性分类预测方法。通过利用学习率自适应调整和正负例样本均衡化来优化过拟合和局部最小值问题,采用交叉验证来提高网络的泛化能力,结合修改VGG16网络第一个全连接层以适应任意大小的输入样本。采用VGG16、ResNet18和Ad-VGG16三个模型对DDSM数据集进行正常、良性、恶性分类预测。实验数据表明,与VGG16和ResNet18网络相比,Ad-VGG16网络具有更好的分类准确度,最终的测试分类准确度为94.3%。