MS-GWNN：用于乳腺癌诊断的多尺度图小波神经网络
计算机视觉与模式识别
2021-01-01 v1 人工智能
摘要
乳腺癌是全球女性中最常见的癌症之一，早期检测可显著降低乳腺癌死亡率。在乳腺癌检测中考虑组织结构的多尺度信息至关重要。因此，设计一种准确的计算机辅助检测（CAD）系统以捕获癌组织中的多尺度上下文特征是关键。本工作中，我们提出一种用于乳腺癌组织病理图像分类的新型图卷积神经网络。该新方法称为多尺度图小波神经网络（MS-GWNN），利用谱图小波的局部化特性进行多尺度分析。通过聚合不同尺度的特征，MS-GWNN 可编码整张病理切片中的多尺度上下文交互。在两个公开数据集上的实验结果证明了所提方法的优越性。此外，通过消融研究，我们发现多尺度分析对癌症诊断准确率有显著影响。
引用
@article{arxiv.2012.14619,
title = {MS-GWNN:multi-scale graph wavelet neural network for breast cancer diagnosis},
author = {Mo Zhang and Quanzheng Li},
journal= {arXiv preprint arXiv:2012.14619},
year = {2021}
}