BCDNet: A Fast Residual Neural Network For Invasive Ductal Carcinoma Detection

要約

乳がんの最も一般的なサブタイプである浸潤性乳管がん (IDC) を早期に診断することは非常に重要です。
コンピュータ支援診断 (CAD) システムの強力なモデルは有望な結果をもたらしますが、それらを他の医療機器に統合したり、十分な計算リソースがなければ使用したりすることは依然として困難です。
この論文では、最初に残差ブロックによって入力画像をアップサンプリングし、より小さな畳み込みブロックと特殊な MLP を使用して特徴を学習する BCDNet を提案します。
BCDNet は、ResNet 50 や ViT-B-16 と比較して、平均精度 91.6% で病理組織学的 RGB 画像内の IDC を効果的に検出し、トレーニング消費量を効果的に削減することが実証されています。

要約(オリジナル)

It is of great significance to diagnose Invasive Ductal Carcinoma (IDC) in early stage, which is the most common subtype of breast cancer. Although the powerful models in the Computer-Aided Diagnosis (CAD) systems provide promising results, it is still difficult to integrate them into other medical devices or use them without sufficient computation resource. In this paper, we propose BCDNet, which firstly upsamples the input image by the residual block and use smaller convolutional block and a special MLP to learn features. BCDNet is proofed to effectively detect IDC in histopathological RGB images with an average accuracy of 91.6% and reduce training consumption effectively compared to ResNet 50 and ViT-B-16.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google