乳腺癌检测,分割和分类的文献综述 :open_book: 目录 目录 :open_book: 数据集 图像类型 问题 评估方法 表现 未来的工作 MIAS和DDMS 乳腺摄影 监督学习 10倍交叉验证 精度:93.35%灵敏度:93% 乳腺摄影 :memo: 抽象的 本文通过结合使用深度卷积神经网络(CNN)和支持向量机(SVM)提出了一个框架。 提出的方法首先执行预处理以调整图像的大小,以使其适合于CNN,并且可以增强图像的增强质量。 深度卷积神经网络(CNN)已用于通过支持向量机(SVM)进行特征提取和分类。 标准的数据集MIAS和DDMS已被用于通过扩展过程从这些数据集中生成新图像来测试所提出的框架。 诸如准确性,灵敏度,特异性和曲线下面积(AUC)之类的不同性能指标已被用作定量指标,并与现有技术水平进行了比较。 结果表明,提出的框架已经达到了93.35%的精度和93%的灵敏度。 : :house: :open_book: 数据集 图像类型