使用 BreaKHis 数据集进行乳腺癌诊断的深度学习架构比较分析
图像与视频处理
2023-09-12 v2 计算机视觉与模式识别
机器学习
摘要
癌症是一种极其困难且危险的健康问题，因为它以多种不同方式表现，并影响许多不同的器官和组织。本研究的主要目标是评估深度学习模型使用 BreakHis 数据集正确识别乳腺癌病例的能力。BreakHis 数据集通过其庞大的组织病理学图像收集涵盖了广泛的乳腺癌亚型。在本研究中，我们使用并比较了五种著名深度学习模型用于癌症分类的性能：VGG、ResNet、Xception、Inception 和 InceptionResNet。结果将 Xception 模型排在首位，其 F1 分数为 0.9，准确率为 89%。同时，Inception 和 InceptionResNet 模型的准确率均达到 87%。然而，Inception 模型的 F1 分数为 87，而 InceptionResNet 模型为 86。这些结果证明了深度学习方法在正确诊断乳腺癌中的重要性。这凸显了为患者提供改进诊断服务的潜力。本研究的发现不仅改进了当前的癌症诊断方法，也为制定新颖且改进的癌症治疗策略做出了重要贡献。简而言之，本研究结果代表着在实现这些重要医疗目标方向上的重大进展。
引用
@article{arxiv.2309.01007,
title = {Comparative Analysis of Deep Learning Architectures for Breast Cancer Diagnosis Using the BreaKHis Dataset},
author = {İrem Sayın and Muhammed Ali Soydaş and Yunus Emre Mert and Arda Yarkataş and Berk Ergun and Selma Sözen Yeh and Hüseyin Üvet},
journal= {arXiv preprint arXiv:2309.01007},
year = {2023}
}
备注
7 pages, 1 figure, 2 tables