用于乳腺癌组织学图像分类的分层 ResNeXt 模型
计算机视觉与模式识别
2018-10-23 v1
摘要
显微组织学图像分析是乳腺癌早期检测的基石。然而这些图像非常大，且人工分析易出错且极为耗时。因此该过程的自动化需求迫切。我们提出了一种卷积神经网络（CNN）的分层系统，可将这些图像的图块自动分类为四种病理：正常、良性、原位癌和浸润癌。我们在 BACH 图像级分类挑战数据集以及一个用于扩展它的小型数据集上评估了我们的系统。使用 75%/25% 的训练/测试划分，我们在 BACH 数据集测试划分上达到 0.99 的准确率，在扩展集上达到 0.96。在 BACH 挑战的测试中，我们达到了 0.81 的准确率，在 51 支队伍中排名第 8。
引用
@article{arxiv.1810.09025,
title = {Hierarchical ResNeXt Models for Breast Cancer Histology Image Classification},
author = {Ismaël Koné and Lahsen Boulmane},
journal= {arXiv preprint arXiv:1810.09025},
year = {2018}
}