使用 DenseNet 深度学习架构的鼻咽病例分类
图像与视频处理
2024-04-05 v1 计算机视觉与模式识别
机器学习
摘要
鼻咽癌是东南亚地区研究不足但最致命的癌症之一。在马来西亚，该病患病率主要集中在砂拉越州的毕达约族中。鼻咽癌由于在早期阶段无症状，往往诊断较晚。鼻咽活检存在多种组织表征，如鼻咽炎症、淋巴样增生、鼻咽癌和正常组织。本文是我们识别 NPC、NPI 和正常病例之间差异的初步尝试。对来自七名不同患者和两家医院的七张具有千兆像素分辨率的整张切片图像进行了实验，使用了包含不同图像集的两种测试设置。将组织区域分割成较小的块，并使用具有 21 个密集层的 DenseNet 架构进行分类。进行了两项测试，分别用于概念验证（测试 1）和真实测试场景（测试 2）。在测试 1 中，NPC 类的准确率达到 94.8%，在测试 2 中为 67.0%。
引用
@article{arxiv.2404.03188,
title = {Classification of Nasopharyngeal Cases using DenseNet Deep Learning Architecture},
author = {W. S. H. M. W. Ahmad and M. F. A. Fauzi and M. K. Abdullahi and Jenny T. H. Lee and N. S. A. Basry and A Yahaya and A. M. Ismail and A. Adam and Elaine W. L. Chan and F. S. Abas},
journal= {arXiv preprint arXiv:2404.03188},
year = {2024}
}
备注
This article has been accepted in the Journal of Engineering Science and Technology (JESTEC) and awaiting publication