基于现代乳腺摄影术与混合迁移学习的乳腺癌诊断
图像与视频处理
2021-01-13 v3 计算机视觉与模式识别
机器学习
定量方法
摘要
乳腺癌是女性常见癌症。乳腺癌的早期检测可显著提高女性生存率。本文主要关注用于检测乳腺癌的迁移学习过程。本文提出并实现了改进VGG（MVGG）、残差网络、移动网络。本文使用DDSM数据集。实验结果表明，我们提出的混合迁移学习模型（MVGG16与ImageNet融合）在epoch数为15时提供88.3%的准确率。另一方面，仅改进VGG 16架构（MVGG 16）提供80.8%的准确率，MobileNet提供77.2%的准确率。因此，明确指出所提出的混合预训练网络优于单一架构。该架构可被视为放射科医师减少假阴性和假阳性率的有效工具。从而，乳腺摄影分析的效率将得到提升。
引用
@article{arxiv.2003.13503,
title = {Diagnosis of Breast Cancer Based on Modern Mammography using Hybrid Transfer Learning},
author = {Aditya Khamparia and Subrato Bharati and Prajoy Podder and Deepak Gupta and Ashish Khanna and Thai Kim Phung and Dang N. H. Thanh},
journal= {arXiv preprint arXiv:2003.13503},
year = {2021}
}
备注
24 pages, 11 figures