NIRFAST仿真实现乳腺扩散光层析图像智能分类

论文采用 NIRFAST 软件仿真实现乳腺扩散光层析成像,通过深度学习方法实现乳腺扩散光层析图像的智 能分类。乳腺扩散光层析成像图像仿真采用开源软件包—NIRFAST 软件模拟和重建。乳腺扩散光层析成像图像 中乳腺肿瘤的大小、位置和光学特性各不相同,通过不同的光吸收系数区分不同类型的乳腺肿瘤,并采用计算机辅 助诊断方法进行图像分析,将其分为良性和不同等级的恶性肿瘤。为提高特征提取能力,提出了 DOTResNet 模 型,DOTResNet 模型实现是通过将 ResNet-34 的输入干中 7×7 卷积替换为 3 个 3×3 卷积,并增加 ReLU 和 BN 层。 DOTResNet 与 ResNet-34 和预训练的 ResNet-34 相比,FLOPs 减小了,并将分类准确率提高到 99. 38%。与经典的 ResNet-34 相比,调整后的 DOTResNet 模型在乳腺扩散光层析成像分类上具有更高的准确率。