38、乳腺癌检测与文献引用推荐模型研究

乳腺癌检测与文献引用推荐模型研究

1. 乳腺癌检测模型

在医疗领域，乳腺癌的检测与分类至关重要。下面为你详细介绍一种基于深度学习的乳腺癌检测模型及其相关评估。

1.1 模型选择与实现

• 模型选择 ：选用GoogLeNet作为核心模型，原因在于它在多种应用中表现出可行性，且参数数量相对较少（约500万），与AlexNet（约6000万参数）相比，能降低在数据集上的过拟合风险。
• 实现环境 ：使用MATLAB（R2018b）在超级计算机系统上实现，具体配置为9台HPE Apollo 6500服务器，每台配备8个NVIDIA Tesla V100图形处理单元（GPU）和16GB GPU内存，并通过NVLink 2.0连接。采用并行GPU编程组件加速处理步骤。
• 优化器与参数设置 ：使用带动量的随机梯度下降（SGDM）优化器来寻找最优的模型参数。初始学习率为0.01，每10个周期将学习率降低为原来的0.2倍，批次大小设置为30。

1.2 数据预处理

• 直方图均衡化 ：对所有照片进行直方图均衡化，以调整图像的亮度对比度。
• 下采样 ：将每张图像使用标准双三次插值下采样到224×224像素，以适应预训练的GoogLeNet模型的要求。

1.3 模型工作流程