CNN多层特征融合与ELM的乳腺疾病诊断方法

【文件属性】：
文件名称：CNN多层特征融合与ELM的乳腺疾病诊断方法
文件大小：917KB
文件格式：PDF
更新时间：2021-04-27 08:05:56
multi-feature fusion; multi-scale pooling; extreme 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。首先，利用CNN 从乳腺X 光图像中提取多层特征；其次，提出多尺度池化操作将各层提取的特征进行融合；最后，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，本文提出的乳腺疾病检测算法平均准确率高达97.13%，诊断时间是6.43ms。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。