A Deep Analysis of Transfer Learning Based Breast Cancer Detection Using Histopathology Images

要約

タイトル：組織学的画像を利用した転移学習ベースの乳癌検出の深層分析
要約：
– 乳癌は女性にとって最も一般的かつ危険ながんの1つであり、男性にも発生する。
– 病理学的画像には十分な表現型データが含まれており、乳癌の治療と検出に大きな役割を果たす。
– 深層ニューラルネットワーク（DNN）は、精度と乳癌検出の向上によく使われる。
– 当研究では、2453の組織学的画像データセットを使用し、ResNet50、ResNet101、VGG16、VGG19などの事前にトレーニングされた深層転移学習モデルを分析した。
– データセット内の画像は、浸潤性乳管癌（IDC）のあるものとIDCのないものに分類された。
– 転移学習モデルを分析した結果、ResNet50が他のモデルを上回り、90.2％の精度率、90.0％の曲線下面積（AUC）率、94.7％の再現率、3.5％のマージナル損失率を達成した。

要約(オリジナル)

Breast cancer is one of the most common and dangerous cancers in women, while it can also afflict men. Breast cancer treatment and detection are greatly aided by the use of histopathological images since they contain sufficient phenotypic data. A Deep Neural Network (DNN) is commonly employed to improve accuracy and breast cancer detection. In our research, we have analyzed pre-trained deep transfer learning models such as ResNet50, ResNet101, VGG16, and VGG19 for detecting breast cancer using the 2453 histopathology images dataset. Images in the dataset were separated into two categories: those with invasive ductal carcinoma (IDC) and those without IDC. After analyzing the transfer learning model, we found that ResNet50 outperformed other models, achieving accuracy rates of 90.2%, Area under Curve (AUC) rates of 90.0%, recall rates of 94.7%, and a marginal loss of 3.5%.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI