乳腺癌是世界上最常见的癌症以及全球女性中最普遍的死亡原因。然而，如果早期检测到，它也是最具可治疗的恶性肿瘤之一。本文提出了一种深度卷积神经网络的算法，以帮助准确地识别超声图像的乳腺癌。在该算法中，若干神经网络在并行架构中融合以执行分类过程，并且在每个神经网络的输出代表单投票的候选对象类之间的最终分类决定中应用投票标准。在乳房超声数据集上进行了几个实验，由537良性，360恶性和133个正常图像组成。这些实验表明了乐观的结果和提出模型的能力，以优于多种措施的最先进的算法。使用k折交叉验证和装袋分类器集合，我们实现了99.5％的准确性，灵敏度为99.6％。
translated by 谷歌翻译