이 논문은 유방암 병변 탐지를 위한 새로운 방법을 제안한다. 기존의 유방암 병변 탐지 방법들은 완전히 주석이 달린 데이터셋을 사용하지만, 실제 유방 검진 엑스레이 데이터셋은 일부만 완전히 주석이 달려 있고 나머지는 약하게 주석이 달려 있다.
논문에서는 이러한 불완전한 주석 문제를 해결하기 위해 2단계 학습 방법을 제안한다. 첫 번째 단계에서는 전체 약하게 주석이 달린 데이터셋을 사용하여 다중 뷰 유방암 분류기 BRAIxMVCCL을 사전 학습한다. 이를 통해 효과적인 특징 추출기와 GradCAM 기반 탐지기를 얻는다.
두 번째 단계에서는 BRAIxMVCCL을 Faster R-CNN 기반 탐지기 BRAIxDet로 변환하고, 완전히 주석이 달린 데이터와 교사-학생 반지도 학습 방식을 사용하여 학습한다. 교사 모델은 학생 모델의 지수 이동 평균(EMA)을 사용하여 업데이트되며, 배치 정규화 통계는 사전 학습 후 고정된다. 이를 통해 학생 모델이 교사 모델의 잘못된 의사 레이블에 과적합되는 문제를 해결한다.
실험 결과, 제안 방법은 불완전한 주석이 있는 두 개의 실제 유방 검진 엑스레이 데이터셋에서 최신 성능을 달성했다.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Yuanhong Che... ที่ arxiv.org 04-02-2024
https://arxiv.org/pdf/2301.13418.pdfสอบถามเพิ่มเติม