乳癌腫瘍検出におけるデータ拡張のための弾性変形

医療画像における分類および/または検出のための深層アーキテクチャの性能を妨げる2つの制約がある：(i) 利用可能なデータの少なさ、(ii) クラス不均衡のシナリオ。自然なシーンのための分類ツールを構築するために、今日では数百万のラベル付き画像が利用可能ですが、自動乳癌スクリーニングのために利用可能な注釈付きデータの量はせいぜい数千画像に限られています。私たちは、マンモグラフィの画像にランダムな弾性変形を導入することで、データ拡張の方法でこれらの制約に対処します。この方法を3つの公に利用可能なデータセットで検証します。提案する畳み込みニューラルネットワーク（CNN）アーキテクチャは、腫瘍分類のために従来の方法で訓練され、その後、CNNを完全畳み込みネットワーク（FCN）に変換することで、完全なマンモグラムにおける腫瘍検出というより興味深い問題に使用されます。