用于乳腺癌识别的主动学习
计算机视觉与模式识别
2018-04-19 v1
摘要
乳腺癌是女性中第二常见的恶性肿瘤，已成为当今社会的主要公共卫生问题。传统的乳腺癌识别需要经验丰富的病理学家仔细阅读乳腺切片，这既费时费力，又存在观察者间的差异。因此，开发一种用于乳腺癌识别的自动分类框架是很有价值的。近年来，深度学习技术取得了长足发展。越来越多的医疗应用开始使用深度学习来提高诊断准确率。在本文中，我们提出了一种新颖的训练策略，即反向主动学习（RAL），以训练网络自动对乳腺癌图像进行分类。我们将RAL应用于一个简单的卷积神经网络（CNN）的训练集，以去除错误标记的图像。我们在公开的ICIAR 2018乳腺癌数据集（IBCD）上评估了使用RAL训练的CNN。实验结果表明，我们的RAL将CNN的基于切片的准确率从93.75%提高到了96.25%。
引用
@article{arxiv.1804.06670,
title = {Active Learning for Breast Cancer Identification},
author = {Xinpeng Xie and Yuexiang Li and Linlin Shen},
journal= {arXiv preprint arXiv:1804.06670},
year = {2018}
}