基于卷积神经网络的乳腺癌检测
计算机视觉与模式识别
2020-08-20 v3
摘要
乳腺癌在埃塞俄比亚女性癌症患者中占比达34%，十分普遍。埃塞俄比亚目前的诊断技术为人工诊断，已被证明繁琐、主观且具挑战性。深度学习技术正在革新医学图像分析领域，因此在本研究中，我们提出使用卷积神经网络（CNNs）进行乳腺肿块检测，以减少人工分析的开销。我们设计了CNN架构用于特征提取阶段，并适配了更快R-CNN的区域提议网络（RPN）和感兴趣区域（ROI）部分，用于自动化乳腺肿块异常检测。我们的模型在乳腺X线摄影（MG）图像中一次性检测肿块区域并将其分类为良性或恶性异常。针对所提模型，我们从当地不同医院收集了MG图像。图像经过高斯滤波、中值滤波、双边滤波等不同预处理阶段，并从MG图像背景中提取乳腺区域。模型在测试数据集上的性能为：检测准确率91.86%，灵敏度94.67%，AUC-ROC为92.2%。
引用
@article{arxiv.2003.07911,
title = {Breast Cancer Detection Using Convolutional Neural Networks},
author = {Simon Hadush and Yaecob Girmay and Abiot Sinamo and Gebrekirstos Hagos},
journal= {arXiv preprint arXiv:2003.07911},
year = {2020}
}