用于乳腺癌组织学图像分析的深度卷积神经网络
计算机视觉与模式识别
2018-06-26 v2
摘要
乳腺癌是全球癌症死亡的主要原因之一。早期诊断是正确治疗和存活机会显著增加的关键，但这一过程繁琐且常导致病理医生之间的分歧。计算机辅助诊断系统显示出提高诊断准确性的潜力。在这项工作中，我们开发了基于深度卷积神经网络（deep convolution neural networks）的乳腺癌组织学图像分类计算方法。作为 ICIAR 2018 乳腺癌组织学图像大挑战赛的一部分，提供了苏木精和伊红染色的乳腺组织学显微图像数据集。我们的方法利用了多种深度神经网络架构和梯度提升树分类器。对于 4 类分类任务，我们报告了 87.2% 的准确率。对于检测癌的 2 类分类任务，我们报告了 93.8% 的准确率、AUC 97.3%，以及在高灵敏度操作点下灵敏度/特异度 96.5/88.0%。据我们所知，该方法在自动化组织病理学图像分类中优于其他常用方法。我们方法的源代码已在 https://github.com/alexander-rakhlin/ICIAR2018 公开提供。
引用
@article{arxiv.1802.00752,
title = {Deep Convolutional Neural Networks for Breast Cancer Histology Image Analysis},
author = {Alexander Rakhlin and Alexey Shvets and Vladimir Iglovikov and Alexandr A. Kalinin},
journal= {arXiv preprint arXiv:1802.00752},
year = {2018}
}
备注
8 pages, 4 figures