乳腺癌病理圖像的自動分類具有重要的臨床應用價值。基于人工提取特征的分類算法，存在需要專業(yè)領域 知 識 、耗 時 費 力 、提 取 高 質(zhì) 量 特 征 困 難 等 問 題 。 為 此 ，采 用 一 種 改 進 的 深 度 卷 積 神 經(jīng) 網(wǎng) 絡 模 型 ，實 現(xiàn) 了 乳 腺 癌 病 理 圖 像的自動分類;同時，利用數(shù)據(jù)增強和遷移學習方法，有效避免了深度學習模型受樣本量限制時易出現(xiàn)的過擬合問 題。實驗結(jié)果表明，該方法的識別率可達到 91%，且具有較好的魯棒性和泛化性