基于深度学习的乳腺癌检测：ConvNeXT 与 EfficientNet 的比较分析
计算机视觉与模式识别
2025-06-17 v1
摘要
乳腺癌是全球最常见的癌症。据世界卫生组织报告，乳腺癌在2022年导致全球67万例死亡。尽管自1980年代卫生官员开始对风险年龄组进行常规乳腺钛化筛查后，高收入国家的乳腺癌死亡率已下降了40%。每天都有越来越多的人接受乳腺癌诊断。减少癌症相关死亡需要早期检测和治疗。本文比较了两种称为ConvNeXT和EfficientNet的卷积神经网络，用于预测筛查检查中乳腺钛化片的癌症可能性。图像预处理、分类和性能评估是整个流程的主要部分。使用了几种评估指标来比较和评估模型的性能。结果显示，ConvNeXT在RSNA乳腺钛化 breast cancer 数据集上，生成的成绩更好，分别为94.33% AUC得分、93.36%准确率和95.13% F值，而EfficientNet分别为92.34% AUC得分、91.47%准确率和93.06% F值。
关键词
引用
@article{arxiv.2505.18725,
title = {Deep Learning for Breast Cancer Detection: Comparative Analysis of ConvNeXT and EfficientNet},
author = {Mahmudul Hasan},
journal= {arXiv preprint arXiv:2505.18725},
year = {2025}
}