Y-Net：用于乳腺活检图像诊断的联合分割与分类网络
计算机视觉与模式识别
2018-06-06 v1
摘要
本文中，我们介绍了一种概念上简洁的网络，用于生成具有判别性的组织级分割掩码，以进行乳腺癌诊断。我们的方法在高效分割乳腺活检图像中不同类型组织的同时，预测一张判别性映射图以识别图像中的重要区域。我们的网络 Y-Net 通过添加用于判别性映射图生成的并行分支并支持卷积块模块化，对 U-Net 进行了扩展和泛化，这使得用户能够在不改变网络拓扑的情况下调整网络效率。Y-Net 在学习的参数量比最接近的竞争者少 6.6 倍的情况下，达到了最先进的分割精度。Y-Net 的判别性分割掩码所带来的描述能力，使诊断分类精度比最先进的诊断分类方法提高了 7%。源代码可在 https://sacmehta.github.io/YNet 获取。
引用
@article{arxiv.1806.01313,
title = {Y-Net: Joint Segmentation and Classification for Diagnosis of Breast Biopsy Images},
author = {Sachin Mehta and Ezgi Mercan and Jamen Bartlett and Donald Weave and Joann G. Elmore and Linda Shapiro},
journal= {arXiv preprint arXiv:1806.01313},
year = {2018}
}
备注
Accepted for publication at MICCAI'18