论文地址:Convolutional neural network improvement for breast cancer classification
首先,作者提出了一些现有的问题:
- 太繁琐的注释会对标签造成额外的错误
- 病灶边缘不清晰
- CAD受到图像成像协议和噪声影响
- 标注成本高
结合以上问题和目前的乳腺癌诊断需求,作者提出了称为卷积神经网络的乳腺癌分类改进算法(CNNI-BCC),以帮助医学专家及时通过X线摄影诊断乳腺癌。 CNNI-BCC使用卷积神经网络来改善乳腺癌病变分类,以帮助专家诊断乳腺癌。达到的敏感性,准确性,AUC和特异性分别为89.47%,90.50%,0.901±0.0314和90.71%。
作者的主要贡献有:1.提出分类效果很好的神经网络;2.Interactive detection based lesion locator (IDBLL),也就是建议通过设计的基于交互检测的病变定位器(IDBLL)检测病变。
作者指出论文所提出的方法的优点有:(1)将图像分解为补丁;(2)基于补丁的方法允许通过遮盖某些区域来处理图像中的非矩形区域,而只需从集合中排除补丁即可;(3)组合的预训练的CNN可以对小数据集进行训练;(4)提出的CNNI-BCC利用补丁