CNN多层特征融合与ELM的乳腺疾病诊断方法

作     者：赵京霞 钱育蓉 南方哲 张晗 行艳妮 ZHAO Jingxia;QIAN Yurong;NAN Fangzhe;ZHANG Han;XING Yanni

作者机构：新疆大学软件学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第4期

页      面：122-127页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.61562086,No.61462079) 新疆维吾尔自治区教育厅创新团队项目(No.XJEDU2016S035) 

主　　题：多特征融合 多尺度池化 极限学习机 乳腺疾病诊断 

摘      要：针对传统计算机辅助诊断方法准确率低、耗时长的问题,提出卷积神经网络(Convolutional Neural Networks,CNN)多层特征融合与极限学习机(Extreme Learning Machine,ELM)的乳腺疾病诊断方法。利用CNN从乳腺X光图像中提取多层特征;提出多尺度池化操作将各层提取的特征进行融合;使用极限学习机分类器进行乳腺疾病的快速诊断。实验结果表明,该乳腺疾病检测方法平均准确率高达97.13%,诊断时间是6.43 ms。该方法能有效地提高乳腺疾病诊断的准确率,缩短诊断时间,且具有较好的鲁棒性和泛化能力。