数据是用于乳腺X线摄影扫描的图像和标签/注释。自动发现病变对医师而言将是非常有用的工具，还可根据发现/标记的病变预测恶性肿瘤。 Info.txt all_mias_scans.h5 MIAS Mammography_datasets.txt MIAS Mammography_datasets.zip

支持向量机SVM是一种新的机器学习方法，其基础是统计学理论。模型泛化能力强；进行非线性分类时通过高维空间变换。

基于内核的模糊粗糙最近邻分类法在乳腺X射线摄影风险分析中的应用

针对计算机辅助乳腺疾病诊断方法准确率低、耗时长等问题，提出一种基于改进的 卷积神经网络（CNN）的乳腺疾病诊断方法．该方法从以下3个方面做了改进：(1)设计双通道 卷积神经网络来解决单通道特征提取不充分的问题；(2)采用Dropout技术有效地防止过拟合现象；(3)采用支持向量机(SVM)代替传统的Softmax分类器以减少运算量，提高运算速度．测试结果表明：所提出的分类模型平均准确率高达92.31%，平均训练时间为968s，充分验证 了该方法的有效性。

乳腺生物反应器商业计划书【恩美路演提供】.pdf

基于matlab的乳腺肿块自适应灰度多阈值分割 有三个参数可调 lsh

本代码主要利用MATLAB工具进行MATLAB——支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

基于matlab的乳腺肿瘤诊断的LVQ神经网络的分类算法。资源中包含了主要数据，算法实现以及交叉验证。直接运行.m文件即可看到效果。效果是根据data中的乳腺的特征判断是否为乳腺肿瘤。交叉验证后效果还行