北京哪家白癜风医院最好 https://baike.baidu.com/item/%E5%8C%97%E4%BA%AC%E4%B8%AD%E7%A7%91%E7%99%BD%E7%99%9C%E9%A3%8E%E5%8C%BB%E9%99%A2/9728824?fr=aladdin
文章题目：Breastcancerdetectionfrombiopsyimagesusingnucleusguidedtransferlearningandbeliefbasedfusion
研究人员：KalpanaGeorge,etal.
发表时间：,8
期刊名称：ComputBiolMed
影响因子：4.
作者单位：卡利卡特国家理工学院
核心亮点
1.根据运行模型所需的资源类型，分析了拟议框架的复杂性。
2.关于从活检图像识别乳腺癌的CAD系统，即使误差率略有降低也是必要的，意义重大。
思路与方法
1.在这项工作中，核引导迁移学习(NucTraL)方法被提出作为一种简单和负担得起的乳腺肿瘤分类算法。图像特征通过融合局部核特征来表示，这些核特征是使用ImageNet数据库上预先训练的卷积神经网络(CNN)模型提取的。
2.本文采用的核贴片提取策略避免了核边界的精细分割，但为分类提供了具有良好鉴别能力的特征。使用支持向量机(SVM)分类器对融合的特征进行良性和恶性分类。然后采用一种基于信念理论的分类器融合(BCF)策略，将不同CNN-SVM组合产生的输出进行组合，进一步提高准确率。
摘要
Breastcancerisafrequentlydiagnosedcancerinwomen,contributingtosignificantmortalityrates.Deathratesarerelativelyhigherindevelopingnationsduetotheshortageofearlydetectionamenitiesandconstraintsonaccesstotechnicaladvances
