10、深度学习在癌症诊断中的应用：脑肿瘤与肝肿瘤分析

深度学习在癌症诊断中的应用：脑肿瘤与肝肿瘤分析

1. 脑肿瘤分类的并行密集跳跃连接卷积神经网络（PDSCNN）

在脑肿瘤分类研究中，采用了并行密集跳跃连接卷积神经网络（PDSCNN）架构。以下是具体的研究内容。

1.1 网络训练参数

• 硬件与软件环境 ：模拟实验在配备英特尔酷睿i5 - 6500 CPU（3.20GHz，3.19GHz）、64位操作系统、16GB内存（RAM）和x64处理器的台式计算机上进行，使用Python 3.7的Jupyter notebook软件。
• 网络参数设置 ：
  • 输入滤波器大小：256 × 256 × 3
  • 训练轮数：100
  • 批量大小：对于小2C和大2C数据集均为16
  • 学习率：0.001
  • 优化器：Adam优化器（β1 = 0.9，β2 = 0.999）
  • 内核初始化器：Xavier内核初始化器

1.2 脑肿瘤MRI数据集

• 数据集来源：从Kaggle数据库收集了两个公开可用的脑MRI数据集，分别命名为小2C和大2C。
• 数据集样本情况：
  • 小2C数据集：有253个样本，其中155个包含癌症，98个无肿瘤。
  • 大2C数据集：有3000个样本，1500个有肿瘤，1500个无肿瘤。