使用端到端训练的基于 EfficientNet 的卷积网络进行双视图乳腺 X 线摄影乳腺癌诊断
图像与视频处理
2022-08-04 v3 计算机视觉与模式识别
摘要
一些近期研究描述了深度卷积神经网络在乳腺 X 线摄影中诊断乳腺癌,其性能与人类专家相似甚至更优。最佳技术之一进行了两次迁移学习:第一次使用在自然图像上训练的模型创建对小块子图像分类的“块分类器”;第二次使用块分类器扫描整张乳腺 X 线图像并创建“单视图全图分类器”。我们提议进行第三次迁移学习以获得“双视图分类器”,以利用两个乳腺 X 线摄影视图:双侧头尾位和内外斜位。我们使用 EfficientNet 作为我们模型的基础。我们使用 CBIS-DDSM 数据集对整个人系统进行“端到端”训练。为确保统计鲁棒性,我们使用以下两种方式两次测试我们的系统:(a) 5 折交叉验证;以及 (b) 数据集的原始训练/测试划分。我们的技术在 5 折交叉验证下达到了 0.9344 的 AUC(在 ROC 的等错误率点处准确率、灵敏度和特异性为 85.13%)。使用原始数据集划分,我们的技术达到了 0.8483 的 AUC,据我们所知这是该问题报道的最高 AUC,尽管每项工作的测试条件细微差异不允许精确比较。推理代码和模型可在 https://github.com/dpetrini/two-views-classifier 获取。
引用
@article{arxiv.2110.01606,
title = {Breast Cancer Diagnosis in Two-View Mammography Using End-to-End Trained EfficientNet-Based Convolutional Network},
author = {Daniel G. P. Petrini and Carlos Shimizu and Rosimeire A. Roela and Gabriel V. Valente and Maria A. A. K. Folgueira and Hae Yong Kim},
journal= {arXiv preprint arXiv:2110.01606},
year = {2022}
}
备注
Updated to published version in IEEE Access