不同CNN对超声图像乳腺肿瘤分类的比较
图像与视频处理
2021-01-01 v1 计算机视觉与模式识别
摘要
乳腺癌是全球致死率最高的癌症之一。及时检测可降低死亡率。在临床常规中，从超声（US）影像中区分良性和恶性肿瘤是一项关键但具有挑战性的任务。因此，需要一种能够处理数据可变性的自动化方法。本文中，我们比较了不同的卷积神经网络（CNN）和迁移学习方法在自动化乳腺肿瘤分类任务上的表现。本研究考察的架构为VGG-16和Inception V3。考察了两种不同的训练策略：第一种是使用预训练模型作为特征提取器，第二种是对预训练模型进行微调。共使用了947张图像，其中587张对应良性肿瘤的US图像，360张为恶性肿瘤。678张图像用于训练和验证过程，269张图像用于测试模型。准确率和受试者工作特征曲线下面积（AUC）用作性能指标。最佳性能由微调VGG-16获得，准确率为0.919，AUC为0.934。所得结果为进一步研究以改善癌症检测提供了机会。
引用
@article{arxiv.2012.14517,
title = {Comparison of different CNNs for breast tumor classification from ultrasound images},
author = {Jorge F. Lazo and Sara Moccia and Emanuele Frontoni and Elena De Momi},
journal= {arXiv preprint arXiv:2012.14517},
year = {2021}
}