用于乳腺X线图像中乳腺肿瘤分类的DenseNet
图像与视频处理
2021-01-26 v1 计算机视觉与模式识别
机器学习
摘要
乳腺癌是女性中最常见的浸润性癌症，也是导致死亡的第二大原因。乳腺癌筛查是早期检出不确定乳腺病变的有效方法。女性筛查的常用方法是断层合成和乳腺X线图像。然而，传统的手工诊断需要病理医生高强度的工作负荷，且容易出现诊断错误。因此，本研究旨在构建一种深度卷积神经网络方法，用于乳腺X线图像中乳腺病变的自动检测、分割与分类。基于深度学习，开发了Mask-CNN（RoIAlign）方法进行特征选择与提取；分类则由DenseNet架构完成。最后，通过交叉验证矩阵和AUC曲线评估模型的精确率与准确率。总之，本研究结果可为通过医学图像分类改进自动肿瘤定位的诊断与效率提供有益帮助。
引用
@article{arxiv.2101.09637,
title = {DenseNet for Breast Tumor Classification in Mammographic Images},
author = {Yuliana Jiménez Gaona and María José Rodriguez-Alvarez and Hector Espinó Morató and Darwin Castillo Malla and Vasudevan Lakshminarayanan},
journal= {arXiv preprint arXiv:2101.09637},
year = {2021}
}
备注
to be submitted to The 2nd International Conference on Medical Imaging and Computer-Aided Diagnosis (MICAD2021)