迈向强大的监督乳房肌肉细分 乳房图像中的乳房图像
Parvaneh Aliniya1, Mircea Nicolescu1, Monica Nicolescu1
1Computer Science and Engineering Department, College of Engineering, University of Nevada, Reno, Main Campus, Reno, NV 89557, USA.
Journal of imaging
|December 27, 2024
概括
这项研究引入了乳房肌肉细分面具用于乳房扫描数据集,使深度学习能够用于自动化乳腺癌检测. 交叉数据集测试显示了与同一数据集培训相比较的性能.
科学领域:
- 医疗成像医学成像
- 计算机辅助诊断 计算机辅助诊断
- 机器学习 机器学习
背景情况:
- 乳房扫描对于乳腺癌查至关重要,但胸肌的存在使自动检测复杂化.
- 现有的胸肌去除方法通常依赖于传统的机器学习,因为缺少细分数据.
- 开发强大的自动检测系统需要有效的乳房肌肉细分.
研究的目的:
- 为INbreast,MIAS和CBIS-DDSM数据集提供胸肌细分面具.
- 促进对乳房肌肉去除进行监督深度学习方法的开发.
- 为了评估深度学习模型的有效性,这些模型使用细分口罩进行培训,以对胸部肌肉进行细分.
主要方法:
- 为INbreast,MIAS和CBIS-DDSM数据集生成胸部肌肉细分面具.
- 在INbreast和CBIS-DDSM数据集上训练了一种AU-Net模型用于胸肌细分.
- 通过对未见的数据进行交叉数据集测试来评估模型性能,包括MIAS数据集.
主要成果:
- 对多个公共数据集成功创建了胸部肌肉细分面具.
- 深度学习模型 (AU-Net) 在胸肌细分方面表现出有效性.
- 交叉数据集测试产生了与相同数据集实验相比的性能,验证了可概括性.
结论:
- 提供的细分面具使得乳房肌肉切除在乳房影像中的高级深度学习方法成为可能.
- 用这些面具训练的深度学习模型为自动化乳腺癌检测系统提供了强大的工具.
- 交叉数据集评估证实了开发的方法对未见数据的稳定性和适用性.
