一种用于改进乳腺X线图像处理的深度双路径网络

我们首次提出一种称为\dcn的新型深度神经网络架构，该架构在输入图像与输出类别标签之间具有双路径连接，用于乳腺X线图像处理。该架构构建于U-Net之上，将输入数据非线性映射至深度潜空间。\dcnn的一条路径（局部保持学习器）致力于分层提取并利用输入的内在特征，而另一条称为条件图学习器的路径则侧重于建模输入与掩码之间的相关性。学习到的掩码进一步用于改善分类结果，两条学习路径相互补充。通过整合两个学习器，我们的新架构提供了一种简单而有效的方式来联合学习分割并预测类别标签。受益于深度神经网络强大的表达能力，可以学习到更具判别性的表示，其中语义与结构均得到良好保留。实验结果表明，\dcn同时实现了最佳的乳腺X线摄影分割与分类，优于近期最先进的模型。