Bi-Modal Transfer Learning for Classifying Breast Cancers via Combined B-Mode and Ultrasound Strain Imaging

人工智能 计算机科学 深度学习 模式识别(心理学) 乳腺超声检查 超声波 乳腺癌 情态动词 集成学习 人工神经网络 弹性成像 乳房成像 上下文图像分类 放射科 图像(数学) 癌症 乳腺摄影术 医学 材料科学 高分子化学 内科学
作者
Sampa Misra,Seungwan Jeon,Ravi Managuli,Ben Seiyon Lee,Gyuwon Kim,Chiho Yoon,Seung−Chul Lee,Richard G. Barr,Chulhong Kim
出处
期刊:IEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control [Institute of Electrical and Electronics Engineers]
卷期号:69 (1): 222-232 被引量:25
标识
DOI:10.1109/tuffc.2021.3119251
摘要

Although accurate detection of breast cancer still poses significant challenges, deep learning (DL) can support more accurate image interpretation. In this study, we develop a highly robust DL model based on combined B-mode ultrasound (B-mode) and strain elastography ultrasound (SE) images for classifying benign and malignant breast tumors. This study retrospectively included 85 patients, including 42 with benign lesions and 43 with malignancies, all confirmed by biopsy. Two deep neural network models, AlexNet and ResNet, were separately trained on combined 205 B-mode and 205 SE images (80% for training and 20% for validation) from 67 patients with benign and malignant lesions. These two models were then configured to work as an ensemble using both image-wise and layer-wise and tested on a dataset of 56 images from the remaining 18 patients. The ensemble model captures the diverse features present in the B-mode and SE images and also combines semantic features from AlexNet and ResNet models to classify the benign from the malignant tumors. The experimental results demonstrate that the accuracy of the proposed ensemble model is 90%, which is better than the individual models and the model trained using B-mode or SE images alone. Moreover, some patients that were misclassified by the traditional methods were correctly classified by the proposed ensemble method. The proposed ensemble DL model will enable radiologists to achieve superior detection efficiency owing to enhance classification accuracy for breast cancers in ultrasound (US) images.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
pphss完成签到,获得积分10
1秒前
Jack80发布了新的文献求助200
2秒前
zgtmark完成签到,获得积分10
3秒前
温暖完成签到 ,获得积分10
12秒前
碧蓝雁风完成签到 ,获得积分10
14秒前
Kidmuse完成签到,获得积分10
17秒前
困困困完成签到 ,获得积分10
20秒前
ylkk完成签到 ,获得积分10
31秒前
nuliguan完成签到 ,获得积分10
31秒前
33秒前
晚街听风完成签到 ,获得积分10
48秒前
franca2005完成签到 ,获得积分10
49秒前
kxdxng完成签到,获得积分10
51秒前
婳祎完成签到 ,获得积分10
54秒前
喵了个咪完成签到 ,获得积分10
58秒前
烽烽烽发布了新的文献求助30
1分钟前
skippy完成签到 ,获得积分10
1分钟前
yy完成签到 ,获得积分10
1分钟前
t铁核桃1985完成签到 ,获得积分10
1分钟前
dhdhg完成签到 ,获得积分10
1分钟前
wguanmc完成签到,获得积分10
1分钟前
苏子轩完成签到 ,获得积分10
1分钟前
最美夕阳红完成签到,获得积分10
1分钟前
幽默的谷梦完成签到,获得积分10
1分钟前
如意竺完成签到,获得积分10
1分钟前
想飞的熊完成签到 ,获得积分10
1分钟前
属实有点拉胯完成签到 ,获得积分10
1分钟前
别具一格完成签到 ,获得积分10
1分钟前
simpleblue完成签到 ,获得积分10
1分钟前
wx完成签到 ,获得积分10
1分钟前
论文侠完成签到 ,获得积分10
1分钟前
楚襄谷完成签到 ,获得积分10
1分钟前
Hubery完成签到 ,获得积分10
2分钟前
jbear完成签到 ,获得积分10
2分钟前
Rosaline完成签到 ,获得积分10
2分钟前
tmobiusx完成签到,获得积分10
2分钟前
shame完成签到 ,获得积分10
2分钟前
小刘恨香菜完成签到 ,获得积分10
2分钟前
光亮的自行车完成签到 ,获得积分10
2分钟前
hanhan完成签到 ,获得积分10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354453
什么是DOI,文献DOI怎么找? 1246090
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921