科研之友
微信
新浪微博
Facebook
分享链接
摘要
乳腺恶性肿瘤对人们的生命构成重大威胁，影像是目前的重要诊断手段，早期诊断与预测模型一般以图像数据作为输入，但在图像转换过程中出错的可能性较大。而人工智能技术的飞速发展可为提高恶性肿瘤识别的准确率提供技术手段和思想创意。为提高乳腺恶性肿瘤识别的准确率，克服传统反向传播（Back Propagation,BP）神经网络和单一遗传算法的缺点，构建一种改进的量子遗传算法（Quantum Genetic Algorithm,QGA）优化BP神经网络的模型，即在QGA算法中引进动态改进旋转角策略和加入遗传算法的交叉变异操作，再利用改进的QGA算法优化多目标BP神经网络的权值和阈值。以美国威斯康辛州女性乳腺癌肿瘤数据集为例，对其进行分析。实验表明，QGA-BP模型在乳腺肿瘤诊断上具有收敛速度快且预测精度高的优点，能够准确诊断恶性肿瘤。
- 出版日期2022
- 单位兰州交通大学
