基于 BI-RADS 的乳腺 X 线图像机器学习分类性能
图像与视频处理
2023-11-16 v1 计算机视觉与模式识别
摘要
本研究旨在考察多种当前最优图像分类模型在由乳腺影像报告和数据系统（BI-RADS）定义的各类乳腺超声图像上的分类准确率。为此，我们使用了来自 1,540 名患者、总计 2,945 张乳腺 X 线图像的综合组装数据集。为进行透彻分析，我们采用了六种先进分类架构，包括 VGG19、ResNet50、GoogleNet、ConvNext、EfficientNet 和 Vision Transformers (ViT)，而非传统机器学习模型。我们在三种设置下评估模型：全微调、线性评估与从头训练。我们的发现展示了计算机辅助诊断（CAD）系统的有效性与能力，在全微调设置下取得了 76.39% 的惊人准确率与 67.94% 的 F1 分数。我们的结果表明了在乳腺影像领域提升诊断准确率的潜力，为未来旨在提高医学影像中 CAD 系统精度与可靠性的工作奠定了坚实基础。
引用
@article{arxiv.2311.08493,
title = {Performance of Machine Learning Classification in Mammography Images using BI-RADS},
author = {Malitha Gunawardhana and Norbert Zolek},
journal= {arXiv preprint arXiv:2311.08493},
year = {2023}
}