类特定数据增强：弥合多类乳腺癌分类中的不平衡
图像与视频处理
2023-10-17 v1 计算机视觉与模式识别
摘要
乳腺癌是女性中最常见的癌症，在男性中亦可见，占每年新发癌症诊断的逾十分之一。它也是女性癌症死亡的第二大常见原因。因此，早期检测与个体化治疗十分必要。早期检测可提供适当且基于患者的治疗方案，亦可确定囊肿类型。本文采用类级数据增强，处理欠采样类别并提升其检测率。该方法提出两个关键组件：对苏木精-伊红染色图像施加保结构染色归一化技术的类级数据增强，以及通过迁移学习用于乳腺癌图像多类分类的基于 transformer 的 ViTNet 架构。该结合借助先进图像处理与深度学习，将乳腺癌图像分类为良性或四种不同恶性亚型之一，通过聚焦类级增强并兼顾各类独特特征，提升欠采样类的分类精度，从而降低乳腺癌相关死亡率。本文旨在通过多类分类将图像归为良性或四种不同恶性乳腺癌类型之一，以减轻医学专家的工作负担。
引用
@article{arxiv.2310.09981,
title = {Class-Specific Data Augmentation: Bridging the Imbalance in Multiclass Breast Cancer Classification},
author = {Kanan Mahammadli and Abdullah Burkan Bereketoglu and Ayse Gul Kabakci},
journal= {arXiv preprint arXiv:2310.09981},
year = {2023}
}