基于 U-Net 的乳腺癌转移检测与分类
图像与视频处理
2019-09-11 v1 计算机视觉与模式识别
机器学习
摘要
本文提出基于 U-Net 的淋巴结乳腺癌转移检测与分类，以及基于转移检测的患者级分类。整个流程可分为五步：预处理与数据增强、基于块分割、后处理、切片级分类和患者级分类。为减少过拟合并加速收敛，我们将批量归一化与 dropout 应用于 U-Net。最终在训练数据上 Kappa 分数达到 0.902。
引用
@article{arxiv.1909.04141,
title = {Detection and Classification of Breast Cancer Metastates Based on U-Net},
author = {Lin Xu and Cheng Xu and Yi Tong and Yu Chun Su},
journal= {arXiv preprint arXiv:1909.04141},
year = {2019}
}