一种用于乳腺X线摄影BI-RADS与密度评估的新型多视图深度学习方法
图像与视频处理
2022-04-19 v2 计算机视觉与模式识别
摘要
先进的深度学习（DL）算法可以基于乳腺影像报告和数据系统（BI-RADS）及密度标准来预测患者患乳腺癌的风险。近期研究表明，结合多视图分析可改善整体乳腺检查分类。在本文中，我们提出了一种用于乳腺X线摄影BI-RADS和密度评估的新型多视图深度学习方法。该方法首先在每个视图上分别部署深度卷积网络进行特征提取。然后将提取的特征堆叠起来，输入到轻量梯度提升机（LightGBM）分类器中，以预测BI-RADS和密度评分。我们在内部乳腺X线摄影数据集和公共数据集乳腺X线筛查数字数据库（DDSM）上进行了广泛的实验。实验结果表明，所提出的方法在两个基准数据集上均以巨大的F1分数优势（内部数据集上+5%，DDSM数据集上+10%）优于单视图分类方法。这些结果凸显了结合多视图信息对于提高乳腺癌风险预测性能的关键作用。
引用
@article{arxiv.2112.04490,
title = {A novel multi-view deep learning approach for BI-RADS and density assessment of mammograms},
author = {Huyen T. X. Nguyen and Sam B. Tran and Dung B. Nguyen and Hieu H. Pham and Ha Q. Nguyen},
journal= {arXiv preprint arXiv:2112.04490},
year = {2022}
}
备注
This paper has been accepted by the 44th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (2022 IEEE EMBC)