组织病理学图像中用于癌症诊断的迁移学习
图像与视频处理
2022-01-03 v1 计算机视觉与模式识别
机器学习
摘要
迁移学习使我们能够利用从一项任务中获得的知识来辅助解决另一项但相关的任务。在现代计算机视觉研究中，问题在于对于给定的数据集哪种架构表现更好。在本文中，我们比较了14个预训练的ImageNet模型在组织病理学癌症检测数据集上的性能，其中每个模型被配置为朴素模型、特征提取器模型或微调模型。Densenet161已被证明具有高精确率，而Resnet101具有高召回率。当随访检查成本较高时，适合使用高精确率模型，而当随访检查成本较低时，可使用低精确率但高召回率/灵敏度模型。结果还表明，迁移学习有助于模型更快收敛。
引用
@article{arxiv.2112.15523,
title = {Transfer learning for cancer diagnosis in histopathological images},
author = {Sandhya Aneja and Nagender Aneja and Pg Emeroylariffion Abas and Abdul Ghani Naim},
journal= {arXiv preprint arXiv:2112.15523},
year = {2022}
}