Deep Learning Hyperparameter Optimization for Breast Mass Detection in Mammograms

要約

マンモグラフィによる正確な乳がん診断は、世界中の何百万人もの命を救う可能性を秘めています。
ディープラーニング（DL）法は、マンモグラムの質量検出に非常に効果的であることが示されています。
現在のDLモデルをさらに改善すると、これらの方法の有効性がさらに向上します。
このコンテキストでの重要な問題は、DLモデルに適切なハイパーパラメータを選択する方法です。
この論文では、遺伝的アルゴリズム（GA）を使用して乳がん検出のためのDLモデルのハイパーパラメータを調整するための新しいアプローチであるGA-E2Eを紹介します。
私たちの調査結果は、パラメーター値の違いが、分類器のパフォーマンスを決定するために使用される曲線下面積（AUC）を大幅に変更する可能性があることを明らかにしています。

要約(オリジナル)

Accurate breast cancer diagnosis through mammography has the potential to save millions of lives around the world. Deep learning (DL) methods have shown to be very effective for mass detection in mammograms. Additional improvements of current DL models will further improve the effectiveness of these methods. A critical issue in this context is how to pick the right hyperparameters for DL models. In this paper, we present GA-E2E, a new approach for tuning the hyperparameters of DL models for brest cancer detection using Genetic Algorithms (GAs). Our findings reveal that differences in parameter values can considerably alter the area under the curve (AUC), which is used to determine a classifier’s performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google