基于双分支深度神经网络的弱监督乳腺X线摄影分类与检测
计算机视觉与模式识别
2019-04-30 v1
摘要
专家标注生成的高成本对医学影像中的监督机器学习方法构成严重限制。弱监督方法或可为这一困局提供解决方案。本研究提出一种新颖的深度学习架构，用于根据乳腺X线摄影中异常严重程度进行多类分类，且仅使用图像级全局标签。该方案进一步允许以全分辨率定位不同类型发现。新方案包含结合区域级分类与区域排序的双分支网络。我们在包含约3000张具各类异常的乳腺X线摄影大型多中心数据集上评估该方法，并展示其所提方法相对于先前弱监督策略的优势。
引用
@article{arxiv.1904.12319,
title = {Classification and Detection in Mammograms with Weak Supervision via Dual Branch Deep Neural Net},
author = {Ran Bakalo and Rami Ben-Ari and Jacob Goldberger},
journal= {arXiv preprint arXiv:1904.12319},
year = {2019}
}
备注
Accepted to IEEE International Symposium on Biomedical Imaging (ISBI) 2019 (oral)