基于进化的 CNN 微调用于前列腺癌检测
图像与视频处理
2019-11-06 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
卷积神经网络（CNN）已被用于前列腺癌的自动检测，其中受试者工作特征（ROC）曲线下面积（AUC）通常用作性能指标。鉴于 AUC 不可微，通常的做法是使用基于其他性能指标（如交叉熵）的损失函数训练 CNN，并监测 AUC 以选择最佳模型。在这项工作中，我们提出使用遗传算法微调训练好的 CNN 以实现更高的 AUC，用于前列腺癌检测。我们的数据集包含前列腺的 6 通道扩散加权 MRI 切片。在一组 2,955 张训练、1,417 张验证和 1,334 张测试切片上，我们达到了 0.773 的测试 AUC；相比基础 CNN 模型提升了 9.3%。
引用
@article{arxiv.1911.01477,
title = {Evolution-based Fine-tuning of CNNs for Prostate Cancer Detection},
author = {Khashayar Namdar and Isha Gujrathi and Masoom A. Haider and Farzad Khalvati},
journal= {arXiv preprint arXiv:1911.01477},
year = {2019}
}
备注
Accepted for the 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Medical Imaging Meets NEURIPS Workshop