论文笔记（五）Convolutional neural network improvement for breast cancer classification

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：

1. 太繁琐的注释会对标签造成额外的错误
2. 病灶边缘不清晰
3. CAD受到图像成像协议和噪声影响
4. 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