转移预训练深度卷积神经网络在乳腺肿块识别中的分析
图像与视频处理
2024-12-25 v1 人工智能
计算机视觉与模式识别
摘要
基于预训练卷积神经网络（CNN）的乳腺癌检测在众多传统计算机系统中受到广泛关注。过去几年，CNN 技术一直是寻找癌症在乳腺片 scans（mammogram scans）中最具前景的办法。在本文中，研究了在预训练 CNN 中冻结不同层次对乳腺癌检测的影响，通过将乳腺图像分类为良性或恶性。本研究考察了基于冻结多少卷积层块的不同 VGG19 方案。本研究共计设计了六种方案。该研究的主要收益有两点：一是改善了模型检测乳腺癌病例的能力；二是减少了 VGG19 的训练时间，通过冻结特定层实现。为评估这些方案的性能，本研究采用了 1693 幅良性和恶性乳腺癌微生物图像。根据报告结果，冻结 VGG19 前一层块获得的最佳识别率为 95.64%，而整个 VGG19 的训练结果为 94.48%。
引用
@article{arxiv.2412.17959,
title = {Analysis of Transferred Pre-Trained Deep Convolution Neural Networks in Breast Masses Recognition},
author = {Qusay Shihab Hamad and Hussein Samma and Shahrel Azmin Suandi},
journal= {arXiv preprint arXiv:2412.17959},
year = {2024}
}
备注
Its a conference paper; the full proceeding is avalible at https://icogoia.utem.edu.my/proceedings.html