用于乳腺X线摄影中癌症诊断的多任务分类与分割
图像与视频处理
2019-09-13 v1
摘要
标注成本是乳腺X线摄影中收集海量数据的瓶颈，尤其是在训练深度神经网络时。本文研究利用异构粒度的标注层级来提升预测性能。更确切地说，我们引入了一种用于训练卷积神经网络（ConvNets）的多任务学习方案，该方案结合分割与分类，使用图像级与像素级标注。通过这种方式，不同目标可通过共享中间深层表示来正则化训练。我们在数字乳腺筛查数据库（DDSM）上进行了成功的实验，以验证所提方法的相关性。
引用
@article{arxiv.1909.05397,
title = {Multitask Classification and Segmentation for Cancer Diagnosis in Mammography},
author = {Thi-Lam-Thuy Le and Nicolas Thome and Sylvain Bernard and Vincent Bismuth and Fanny Patoureaux},
journal= {arXiv preprint arXiv:1909.05397},
year = {2019}
}
备注
International Conference on Medical Imaging with Deep Learning 2019. MIDL 2019 [arXiv:1907.08612]