用于全乳腺X线图像分类的稀疏标签分配深度多示例网络
计算机视觉与模式识别
2016-12-20 v1 机器学习
摘要
乳腺X线图像分类与乳腺癌的计算机辅助诊断直接相关。传统方法需要耗费大量精力，通过昂贵的人工标注来注释训练数据，并在测试时使用专门的计算模型来检测这些注释。受深度卷积特征在自然图像分析中的成功应用以及多示例学习在标注一组示例/图像块方面的启发，我们提出了端到端训练的深度多示例网络，用于基于全乳腺X线图像的肿块分类，无需前述昂贵的训练数据标注。我们探索了三种不同的方案来构建用于全乳腺X线图像分类的深度多示例网络。在INbreast数据集上的实验结果证明了所提出的深度网络相比先前在训练中使用分割和检测标注的工作具有鲁棒性。
引用
@article{arxiv.1612.05968,
title = {Deep Multi-instance Networks with Sparse Label Assignment for Whole Mammogram Classification},
author = {Wentao Zhu and Qi Lou and Yeeleng Scott Vang and Xiaohui Xie},
journal= {arXiv preprint arXiv:1612.05968},
year = {2016}
}