使用深度卷积神经网络与 SVM 分类器的乳腺自动肿块检测
计算机视觉与模式识别
2019-07-11 v1
摘要
乳腺 X 线摄影是筛查乳腺癌最广泛使用的金标准，其中肿块检测被视为关键步骤。然而，由于肿块在形状、大小、边界和纹理方面通常差异很大，乳腺肿块检测是一个艰巨问题。本文中，肿块检测过程通过使用深度卷积神经网络（DCNN）的迁移学习技术实现自动化。使用预训练的 VGG19 网络提取特征，随后通过装袋决策树进行特征选择，然后训练并使用支持向量机（SVM）分类器对肿块与非肿块进行分类。选择受试者工作特征曲线下面积（AUC）作为性能指标，并在分类器选择与超参数调优过程中将其最大化。在选出性能最佳的分类器前，我们通过大量实验研究了两类选定分类器 C-SVM 和 ν-SVM 的鲁棒性。本文所有实验均使用 INbreast 数据集进行。实验所得最佳 AUC 为 0.994 ± 0.003 即 [0.991, 0.997]。我们的结果表明，通过使用预训练 VGG19 网络，可从乳腺 X 线图像中提取高层区分性特征，其与所提 SVM 分类器结合时能够鲁棒区分乳腺中的肿块与非肿块。
引用
@article{arxiv.1907.04424,
title = {Automatic Mass Detection in Breast Using Deep Convolutional Neural Network and SVM Classifier},
author = {Md. Kamrul Hasan and Tajwar Abrar Aleef},
journal= {arXiv preprint arXiv:1907.04424},
year = {2019}
}
备注
11 pages