EMT-NET：用于乳腺癌计算机辅助诊断的高效多任务网络
图像与视频处理
2022-01-14 v1 计算机视觉与模式识别
摘要
基于深度学习的计算机辅助诊断在乳腺癌检测中取得了前所未有的性能。然而，大多数方法计算密集，阻碍了其在实际应用中的广泛推广。本工作中，我们提出一种高效轻量的多任务学习架构，用于同时分类和分割乳腺肿瘤。我们将分割任务嵌入肿瘤分类网络，使骨干网络学习聚焦于肿瘤区域的特征表示。此外，我们提出一种新的数值稳定损失函数，可轻松控制癌症检测灵敏度与特异度之间的平衡。所提方法使用包含 1,511 张图像的乳腺超声数据集进行评估。肿瘤分类的准确率、灵敏度和特异度分别为 88.6%、94.1% 和 85.3%。我们使用虚拟移动设备验证模型，平均推理时间为每图像 0.35 秒。
引用
@article{arxiv.2201.04795,
title = {EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer},
author = {Jiaqiao Shi and Aleksandar Vakanski and Min Xian and Jianrui Ding and Chunping Ning},
journal= {arXiv preprint arXiv:2201.04795},
year = {2022}
}