BCDNet：用于侵入性乳腺癌检测的快速残差神经网络
图像与视频处理
2024-11-07 v3 计算机视觉与模式识别
摘要
及早诊断侵入性乳腺癌（IDC）具有重要意义，该病是乳腺癌中最常见的亚型。尽管计算机辅助诊断（CAD）系统中的强大模型已取得有希望的成果，但仍难以将其集成到其他医疗设备中，或在缺乏足够计算资源的情况下使用。本文提出了 BCDNet，该网络首次通过残差块上采样输入图像，并使用较小的卷积模块和特殊的 MLP 来学习特征。BCDNet 证明能有效检测 IDC histopathological RGB 图像，平均准确率达 91.6%，相较于 ResNet 50 和 ViT-B-16 在训练消耗方面具有显著优势。
引用
@article{arxiv.2408.13800,
title = {BCDNet: A Fast Residual Neural Network For Invasive Ductal Carcinoma Detection},
author = {Yujia Lin and Aiwei Lian and Mingyu Liao and Shuangjie Yuan},
journal= {arXiv preprint arXiv:2408.13800},
year = {2024}
}
备注
5 pages, 3 figures