基于深度卷积神经网络的乳腺X线摄影异常检测
计算机视觉与模式识别
2018-03-07 v1
摘要
乳腺癌是全球女性中最常见的癌症。最常用的筛查技术是乳腺X线摄影。为降低放射科医生成本与工作负荷,我们提出一种计算机辅助检测方法,用于对乳腺X线图像中的钙化与肿块进行分类与定位。为改进传统方法,我们应用深度卷积神经网络(CNN)进行自动特征学习与分类器构建。在计算机辅助乳腺X线摄影中,深度CNN分类器无法直接在全幅乳腺X线图像上训练,因为输入层缩放会导致图像细节丢失。因此,我们的分类器先在带标签的图像块上训练,再适配到全幅图像以定位异常。我们比较了最先进的深度卷积神经网络在异常分类上的性能。实验结果表明VGGNet在分类中取得最佳总体准确率92.53\%。对于异常定位,选用ResNet计算类激活图,因其无需结构改动或进一步训练即可部署。我们的方法表明,即便未提供异常位置监督,深度卷积神经网络分类器仍具有显著的定位能力。
引用
@article{arxiv.1803.01906,
title = {Abnormality Detection in Mammography using Deep Convolutional Neural Networks},
author = {Pengcheng Xi and Chang Shu and Rafik Goubran},
journal= {arXiv preprint arXiv:1803.01906},
year = {2018}
}
备注
6 pages