5.14.5 不同 CNN 对超声图像乳腺肿瘤分类的比较

VGG-16 和 Inception V3  两种模型

第一个是使用预训练模型作为特征提取器，第二个是微调预训练模型。

---

1. 介绍

乳腺癌是女性最常见的癌症，癌症筛查是通过乳房超声 (BUS) 成像和乳房 X 光检查进行的。

目前的问题是需要 依赖大型且带注释的BUS数据集进行CNN训练。缓解这个问题的一个可能的解决方案是利用迁移学习和微调。 

2. 乳腺超声图像分析中的深度学习

在[8]中，作者提出使用不同的 CNN 来定位与病变相对应的感兴趣区域 (ROI)。在[9]中，CNN被用作特征提取器，并且使用支持向量机（SVM）对获得的特征进行分类。[10]中提出了一种基于 AlexNet 的架构，并使用小型定制数据集将其性能与一些预训练模型进行了比较。[11]中，提出了一种基于使用生成对抗网络（GAN）进行数据增强的方法。

[13]中提出了对GoogLeNet架构的修改，该网络是Inception V3的早期版本，由一个主分支和两个辅助分类器组成，具体来说，他们建议从网络的主分支中删除辅助分类器。

[14]中，比较了不同的预训练模型，但仅使用微调。比较了 CNN ResNet50、Incept