超越传统方法：面向乳腺超声诊断的多任务网络
图像与视频处理
2024-01-17 v1 计算机视觉与模式识别
摘要
乳腺超声作为一种非侵入性且成本效益高的方法，在癌症诊断中发挥着至关重要的作用。近年来，随着深度学习的发展，许多基于卷积神经网络（CNN）的方法在肿瘤定位和癌症分类任务中得到了广泛研究。尽管先前的单一模型在这两项任务中均取得了优异性能，但这些方法在推理时间、GPU需求以及每个模型需单独微调方面存在局限性。在本研究中，我们旨在重新设计并构建端到端的多任务架构，以同时进行分割和分类。通过我们提出的方法，我们在分割任务中取得了出色的性能和时间效率，在DeepLabV3+架构下分别达到79.8%和86.4%。
引用
@article{arxiv.2401.07326,
title = {Beyond Traditional Approaches: Multi-Task Network for Breast Ultrasound Diagnosis},
author = {Dat T. Chung and Minh-Anh Dang and Mai-Anh Vu and Minh T. Nguyen and Thanh-Huy Nguyen and Vinh Q. Dinh},
journal= {arXiv preprint arXiv:2401.07326},
year = {2024}
}
备注
7 pages, 3 figures