基于Inception循环残差卷积神经网络的组化图像乳腺癌分类
计算机视觉与模式识别
2018-11-13 v1
摘要
深度卷积神经网络（DCNN）是最强大且成功的深度学习方法之一。DCNN已在包括乳腺癌分类、分割与检测的多种医学影像模态中提供优越性能。乳腺癌是影响全球女性最常见且危险的癌症之一。本文提出一种使用Inception循环残差卷积神经网络（IRRCNN）模型的乳腺癌分类方法。IRRCNN是一种强大的DCNN模型，结合了Inception网络（Inception-v4）、残差网络（ResNet）与循环卷积神经网络（RCNN）的优势。IRRCNN在目标识别任务中相对于同等的Inception网络、残差网络与RCNN表现出优越性能。本文将IRRCNN方法应用于两个公开数据集（包括BreakHis与Breast Cancer Classification Challenge 2015）的乳腺癌分类。实验结果在基于图像、基于块、图像级和患者级分类方面与现有机器学习及基于深度学习的方法进行比较。对于两个数据集，IRRCNN模型在灵敏度、曲线下面积（AUC）、ROC曲线和全局准确率方面均提供优于现有方法的分类性能。
引用
@article{arxiv.1811.04241,
title = {Breast Cancer Classification from Histopathological Images with Inception Recurrent Residual Convolutional Neural Network},
author = {Md Zahangir Alom and Chris Yakopcic and Tarek M. Taha and Vijayan K. Asari},
journal= {arXiv preprint arXiv:1811.04241},
year = {2018}
}
备注
15 pages, 9 figures, 9 tables