改进基于定位的乳腺癌筛查检查分类方法
图像与视频处理
2019-08-05 v1 计算机视觉与模式识别
机器学习
摘要
我们训练并评估了一个基于定位的深度卷积神经网络，用于在超过 200,000 次检查（超过 1,000,000 张图像）上进行乳腺癌筛查检查分类。该模型在预测接受乳腺癌筛查的患者恶性肿瘤方面达到了 0.919 的 AUC，将基线（Wu et al., 2019a）的错误率降低了 23%。此外，该模型还为良性和恶性发现生成边界框，提供可解释的预测。
引用
@article{arxiv.1908.00615,
title = {Improving localization-based approaches for breast cancer screening exam classification},
author = {Thibault Févry and Jason Phang and Nan Wu and S. Gene Kim and Linda Moy and Kyunghyun Cho and Krzysztof J. Geras},
journal= {arXiv preprint arXiv:1908.00615},
year = {2019}
}
备注
MIDL 2019 [arXiv:1907.08612]