幹細胞研究と治療のジャーナル

概要

畳み込みニューラルネットワークに基づく乳房超音波画像からの良性腫瘍と悪性腫瘍の分類

テラガラプ・プラバカール

乳がんの診断に広く使用されている方法は乳房超音波 (BUS) 画像ですが、その解釈は
放射線科医の経験によって異なります。現在、
BUS 画像分類に関する情報を提供する CAD システムが利用可能です。ただし、ほとんどの CAD システムは、腫瘍を分類するために設計された手作りの特徴に基づいています。
したがって、これらの特徴の能力が、
腫瘍を良性か悪性かに分類するために使用される CAD システムの精度を決定します。畳み込みニューラル ネットワーク (CNN) テクノロジを使用すると
、BUS 画像の分類を改善できます。分類
と一般化可能な画像表現の新しいアプローチを提供するため、結果として最高の精度を得ることができます。ただし、BUS 画像のデータベースは
サイズが小さいため、CNN を最初からトレーニングできないために制限される可能性があります。この欠点を克服するために、CNN アプローチがBUS 画像分類に関して
最高の精度を達成できるように、転移学習アプローチの使用を検討します。
VGG16_TL 方法論の最終結果は AlexNet_TL を上回りました。そして最終
結果では、VGG16_TL の精度、感度、特異度、精度、F1 値が
それぞれ 88.23%、88.89%、88.89、90%、88.2% であることが示されました。したがって、事前トレーニング済み CNN モデルは BUS 画像分類で優れた精度を達成できる可能性があると言えます
。