基于堆叠增强集成学习的乳腺癌分类CNN

Peihceng Wu; Runze Ma; Teoh Teik Toe

基于堆叠增强集成学习的乳腺癌分类CNN

计算机视觉与模式识别 2024-07-16 v1

作者: Peihceng Wu , Runze Ma , Teoh Teik Toe

摘要

本文提出一种基于Bagging和堆叠集成学习方法的CNN分类网络，用于乳腺癌分类。该模型在公开数据集DDSM上进行训练和测试。该模型能够对输入图像进行快速且准确的分类。根据我们的研究结果，对于二分类（是否存在乳腺癌），准确率达到98.84%，对于五分类，准确率达到98.34%。该模型还实现了94.80%的微平均召回率和94.19%的F1分数。在比较实验中，我们比较了不同bagging_ratio和n_models值对模型的影响，以及几种集成Bagging模型的方法。此外，在相同的参数设置下，我们的BSECNN相对于VGG16和ResNet-50在准确率上分别提高了8.22%和6.33%。

关键词

CNN Bagging 堆叠集成乳腺癌分类 DDSM 准确率召回率 F1分数

引用

@article{arxiv.2407.10574,
  title  = {Stacking-Enhanced Bagging Ensemble Learning for Breast Cancer Classification with CNN},
  author = {Peihceng Wu and Runze Ma and Teoh Teik Toe},
  journal= {arXiv preprint arXiv:2407.10574},
  year   = {2024}
}

备注

Published in: 2023 3rd International Conference on Electronic Engineering (ICEEM)

相关论文

查看更多相关论文 →