基于深度卷积神经网络的超声图像乳腺肿瘤分类新方法(Springer会议(CBEB2018))

会议信息:

巴西生物医学工程大会(the Brazilian Congress on Biomedical Engineering,CBEB 2018)。 该会议由巴西生物医学工程学会(SBEB)组织,于2018年10月21日至25日在巴西里约热内卢的Armaçãode Buzios举行。

A Novel Breast Tumor Classification in Ultrasound Images, Using Deep Convolutional Neural Network

Bashir Zeimarani, M. G. F. Costa, Nilufar Z. Nurani, and Cicero F. F. Costa Filho

一、摘要

最近,深度学习在许多计算机视觉应用中显示出巨大的成功。学习图像特征并将这些特征用于目标定位、分类和分割的能力为新的医学图像研究铺平了道路,提高了自动计算机辅助检测(CADe)系统的性能。本文提出了一种基于卷积神经网络的超声图像乳腺肿瘤分类新方法。该数据库由641幅图像组成,组织病理学上分为两类(413个良性病变和228个恶性病变)。为了更好地估计模型的分类性能,数据被分割以进行五折交叉验证。对于每一折,80%的数据用于训练,20%用于评估。不同的评估指标被用作性能测量。利用所提出的网络架构,我们实现了肿瘤分类的86.12%的总体准确率,并且ROC曲线下的面积(AUC)等于0.934。在应用图像增强和正则化后,准确率和AUC分别提高到92.01%和0.9716。所得结果优于其他基于人工特征选择的机器学习方法,证明了该方法在超声成像肿瘤分类中的有效性。

关键词:乳腺肿瘤;超声图像;卷积神经网络

你可能感兴趣的:(论文精读-乳腺超声分类)