깊이 있는 다중 인스턴스 네트워크와 희소 라벨 할당을 이용한 전체 유방 X선 사진 분류

유방 X선 사진 분류는 유방암의 컴퓨터 보조 진단과 직접적으로 관련되어 있습니다. 전통적인 방법은 관심 영역(ROIs, Regions of Interest)에 의존하여, 이는 주석화에 많은 노력이 필요합니다. 자연 이미지 분석에서 딥 컨볼루션 특성을 사용하고, 인스턴스/패치 집합을 라벨링하는 다중 인스턴스 학습(MIL, Multi-Instance Learning)에서 성공을 받은 영감으로, 우리는 전체 유방 X선 사진을 기반으로 한 종양 분류를 위해 상기 ROIs 없이 엔드투엔드로 훈련된 딥 다중 인스턴스 네트워크를 제안합니다. 우리는 전체 유방 X선 사진 분류를 위한 딥 다중 인스턴스 네트워크 구축에 세 가지 다른 방안을 탐구하였습니다. INbreast 데이터셋에서의 실험 결과는 제안된 네트워크가 세그멘테이션 및 감지 주석을 사용한 이전 연구보다 우수한 안정성을 보임을 입증하였습니다.