使用预训练卷积神经网络对平衡与不平衡癌症数据集的性能比较
图像与视频处理
2020-12-11 v1 计算机视觉与模式识别
机器学习
摘要
癌症疾病是全球范围内的主要死因之一。乳腺癌作为尤其在女性中常见的癌症类型，十分普遍。对于这一需要漫长过程才能确立明确诊断的癌症类型，用于早期检测的最重要工具是经活检获取的组织病理学图像。这些所得图像由病理学家检视并作出明确诊断。借助计算机辅助检测此过程已相当常见。特别是利用不同放大倍率的数据检测良性或恶性肿瘤，已见于文献。在本研究中，通过使用BreakHis数据集中的组织病理学数据，构建了两个平衡与不平衡的不同研究组。我们考察了平衡与不平衡数据集在肿瘤类型检测中性能的变化。总之，在使用InceptionV3卷积神经网络模型的研究中，平衡数据获得了93.55%准确率、99.19%召回率与87.10%特异度，而不平衡数据获得了89.75%准确率、82.89%召回率与91.51%特异度。根据两项不同研究所得结果，数据的平衡提升了整体性能以及良性和恶性肿瘤的检测性能。可以说，借助平衡方式创建的数据集所训练的模型将为病理专家提供更高且准确的结果。
引用
@article{arxiv.2012.05585,
title = {Performance Comparison of Balanced and Unbalanced Cancer Datasets using Pre-Trained Convolutional Neural Network},
author = {Ali Narin},
journal= {arXiv preprint arXiv:2012.05585},
year = {2020}
}
备注
Presented for International Conference on Artificial Intelligence towards Industry 4.0 (ICAII4.0 2020)