두 개의 뷰에서 유방암 진단을 위한 엔드투엔드 훈련된 EfficientNet 기반 합성곱 신경망

최근의 일부 연구에서는 딥 컨볼루션 신경망이 유방암 진단에서 인간 전문가와 유사하거나 심지어 더 우수한 성능을 보이는 것으로 설명하고 있습니다. 최고의 기술 중 하나는 두 가지 전이 학습을 수행합니다: 첫 번째는 자연 이미지를 학습한 모델을 사용하여 작은 부분 이미지를 분류하는 "패치 분류기"를 생성하며, 두 번째는 패치 분류기를 사용하여 전체 유방 사진을 스캔하고 "단일 뷰 전체 이미지 분류기"를 생성합니다. 우리는 양측 크라니오카우달 및 미디오래터럴 오블리크 뷰를 활용하기 위해 세 번째 전이 학습("두 뷰 분류기"로)을 제안합니다. 우리의 모델은 EfficientNet을 기반으로 합니다. CBIS-DDSM 데이터셋을 사용하여 시스템 전체를 "엔드 투 엔드"로 학습시킵니다. 통계적 견고성을 보장하기 위해, (a) 5-폴드 크로스 검증과 (b) 데이터셋의 원래 훈련/테스트 구분을 사용하여 시스템을 두 차례 테스트했습니다. 우리의 기술은 5-폴드 크로스 검증에서 AUC 0.9344를 달성했으며, ROC 곡선의 동일 오차율 지점에서 정확도, 민감도 및 특이도는 85.13%입니다. 원래 데이터셋 구분을 사용할 때, 우리의 기술은 AUC 0.8483를 달성했는데, 이는 우리가 아는 한 이 문제에 대한 가장 높은 보고된 AUC 값이나, 각 연구의 테스트 조건에 미묘한 차이가 있어 정확한 비교가 어려웠습니다. 추론 코드와 모델은 https://github.com/dpetrini/two-views-classifier 에서 제공됩니다.