用于乳腺癌筛查的全局感知多示例分类器
机器学习
2019-08-21 v2 图像与视频处理
机器学习
摘要
为自然图像视觉分类任务设计的深度学习模型已在医学图像分析中变得普遍。然而，医学图像在许多方面不同于典型的自然图像，例如分辨率显著更高而感兴趣区域更小。此外，全局结构与局部细节在医学图像分析任务中都起着重要作用。为解决医学图像的这些独特性质，我们提出了一种能够利用全局显著图与多个局部块的信息来对乳腺癌病灶进行分类的神经网络。所提模型优于基于ResNet的基线，并在筛查乳腺钼靶摄影的解读中达到放射科医生水平的表现。尽管我们的模型仅以图像级标签训练，它能够生成像素级显著图，提供对可能恶性发现的定位。
引用
@article{arxiv.1906.02846,
title = {Globally-Aware Multiple Instance Classifier for Breast Cancer Screening},
author = {Yiqiu Shen and Nan Wu and Jason Phang and Jungkyu Park and Gene Kim and Linda Moy and Kyunghyun Cho and Krzysztof J. Geras},
journal= {arXiv preprint arXiv:1906.02846},
year = {2019}
}
备注
Accepted to MLMI 2019