ViT-DeiT：一种用于乳腺癌组织病理学图像分类的集成模型
图像与视频处理
2022-11-03 v1 计算机视觉与模式识别
摘要
乳腺癌是全球最常见的癌症，也是导致女性死亡的第二常见癌症类型。利用组织病理学图像及时准确地诊断乳腺癌对于患者护理与治疗至关重要。病理学家可借助基于图像处理的新方法做出更准确的诊断。该方法是一种由两类预训练视觉 Transformer 模型——即 Vision Transformer 与 Data-Efficient Image Transformer——组成的集成模型。所提出的集成模型将乳腺癌组织病理学图像分为八类，其中四类为良性，其余为恶性。使用了一个公共数据集来评估所提模型。实验结果显示准确率为 98.17%、精确率为 98.18%、召回率为 98.08%、F1 分数为 98.12%。
引用
@article{arxiv.2211.00749,
title = {ViT-DeiT: An Ensemble Model for Breast Cancer Histopathological Images Classification},
author = {Amira Alotaibi and Tarik Alafif and Faris Alkhilaiwi and Yasser Alatawi and Hassan Althobaiti and Abdulmajeed Alrefaei and Yousef M Hawsawi and Tin Nguyen},
journal= {arXiv preprint arXiv:2211.00749},
year = {2022}
}
备注
7 pages, 10 figures, 7 tables