Boosted EfficientNet：基于卷积神经网络的乳腺癌淋巴结转移检测
计算机视觉与模式识别
2021-02-09 v1
摘要
近年来，全切片图像的发展为数字图像在病理学中的利用奠定了基础。借助自动识别组织或细胞类型的计算机图像分析，组织病理学解读与诊断准确率得到极大提升。本文中，卷积神经网络（CNN）被用于预测并分类乳腺癌的淋巴结转移。不同于仅适用于大分辨率图像的传统图像裁剪方法，我们提出一种名为随机中心裁剪（RCC）的新颖数据增强方法以适配小分辨率图像。RCC 在保留图像分辨率与图像中心区域的同时丰富了数据集。此外，我们减小了网络的降采样尺度以进一步更好地适配小分辨率图像。并且，采用注意力与特征融合（FF）机制来提升图像的语义信息。实验表明，我们的方法提升了基础 CNN 架构的性能。最佳方法在 RPCam 数据集上分别取得了 97.96% 的准确率与 99.68% 的 AUC。
引用
@article{arxiv.2010.05027,
title = {Boosted EfficientNet: Detection of Lymph Node Metastases in Breast Cancer Using Convolutional Neural Network},
author = {Jun Wang and Qianying Liu and Haotian Xie and Zhaogang Yang and Hefeng Zhou},
journal= {arXiv preprint arXiv:2010.05027},
year = {2021}
}
备注
17 pages, 7 figures, 2 tables, journal