基于组织病理学图像的迁移学习乳腺癌检测深度分析
图像与视频处理
2023-04-12 v1 计算机视觉与模式识别
机器学习
摘要
乳腺癌是女性和男性中最常见且危险的癌症之一。组织病理学图像包含充足的表型数据，极大助力了乳腺癌的治疗与检测。深度神经网络（DNN）常被用于提升乳腺癌检测的准确率。在本研究中，我们使用 ResNet50、ResNet101、VGG16 和 VGG19 等预训练深度迁移学习模型，基于 2453 张组织病理学图像数据集来分析乳腺癌检测。数据集中的图像被分为两类：含有浸润性导管癌（IDC）的图像与不含 IDC 的图像。分析迁移学习模型后，我们发现 ResNet50 优于其他模型，准确率达 90.2%、曲线下面积（AUC）率达 90.0%、召回率达 94.7%，且损失仅为 3.5%。
引用
@article{arxiv.2304.05022,
title = {A Deep Analysis of Transfer Learning Based Breast Cancer Detection Using Histopathology Images},
author = {Md Ishtyaq Mahmud and Muntasir Mamun and Ahmed Abdelgawad},
journal= {arXiv preprint arXiv:2304.05022},
year = {2023}
}
备注
7 pages, Accepted by 10th International Conference on Signal Processing and Integrated Networks (SPIN 2023)