Dayong Wang在2016年的哈佛医学院论文中探讨了深度学习如何用于医学图像分类，特别是识别淋巴结活检图像中的转移性乳腺癌。通过将图像分割为小块并使用这些patch进行训练，生成肿瘤概率热图，实现了肿瘤定位和分类。该研究使用400张图像（270训练，130测试），主要评估指标为AUC和敏感度。
医学图像分类论文:Deep Learning for Identifying Metastatic Breast Cancer
Auther: Dayong Wang, Institution: Harvard Medical School, Publish year: 2016
论文地址：https://arxiv.org/abs/1606.05718v1
Key point:
ISBI challenge: 淋巴结活检图像中转移性乳腺癌的自动检测，体现了深度学习在自动诊断中的应用
将原始图像划分为小的patch，使用patch进行分类训练。然后将patch级的预测结果合成肿瘤的概率热图，从而实现肿瘤定位和肿瘤分类
dataset and metrics:
dataset: 400 whole side images, 270 for train and 130 for test
metrics: AUC, 敏感度
method:
- image pre-processing: 将背景分割，只保留组织
最低0.47元/天 解锁文章
扫一扫
1916
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
