基于迁移学习的多视角乳腺肿块和钙化簇分类方法

摘要：

针对乳腺肿块和钙化簇分类任务中可用训练数据量较少的问题,结合乳腺钼靶图成像特点提出了一种基于二次迁移学习的多视角模型.首先,使用CBIS-DDSM制作乳腺局部组织切片数据集来预训练主干网络,完成主干网络的领域适应性学习,使之具备基本的病理特征捕捉能力;随后,把主干网络二次迁移到多视角网络中,在绵阳市中心医院数据集上进行微调,同时利用CBIS-DDSM增加训练的正样本数量以提升网络的泛化能力.实验结果表明,领域适应性学习和数据扩充策略平均提升了17％性能指标,取得了94％和90％的肿块和钙化簇曲线下面积(AUC)值.

关键词：乳腺钼靶图像、计算机辅助诊断、卷积神经网络、迁移学习、领域适应、多视角网络

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：四川省军民融合研究院开放基金资助项目;四川省科技计划项目

在线出版日期：2020-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1460-1464