文献 2019.02-Application ofdeeplearning tothe diagnosis of cervical lymph node metastasis from thyroid cancer with CT 阅读笔记
本论文的目的是利用CAD系统,进行甲状腺癌颈淋巴结转移的CT诊断。用8种CNN模型将图像划分为转移性或良性淋巴结。在ImageNet上使用预先训练好的网络,选择性能最好的算法。采用全局平均池化的方法,用注意力热图可视化分类区分区域。
颈部淋巴结转移(LNM)被认为是甲状腺癌的重要因素。
使用 VGG16, VGG19, Xception, InceptionV3, InceptionResNetV2, DenseNet121, DenseNet169, and ResNet,8个模型作为在ImageNet数据集上预先训练好的主干模型。
使用CAM可视化
本论文方法框架:
所有的训练都使用深度学习包Keras (http://keras.io/)和tensorflow机器学习后端进行。batch大小设置为30,学习率设置为0.005,当在验证数据集中没有观察到进一步的减少时,学习率减少了10倍
采用R统计软件的pROC软件包进行受试者工作特性曲线图及结果分析
结果: