本文探讨了一篇使用深度学习进行乳腺癌检测的论文，主要任务是二分类——钙化和肿块的检测。研究利用CBIS-DDSM数据集，通过旋转数据增扩，并使用AlexNet, VGGNET, GOOGLENET, RESNET等网络结构进行实验。重点介绍了CAM（Class Activation Mapping）技术，这是一种用于定位关键区域的方法，通过将特征图与权重相乘生成热力图，揭示模型分类决策的依据。"
109421542,10241470,Python matplotlib 折线图数据标签实现,"['Python', '数据可视化', 'matplotlib']
论文：Abnormality detection in mammography using deep convolutional Neural Networks
数据集：CBIS-DDSM （CC+MLO）*(right +left) one person ==》 (753钙化)+（891肿块） 数据增扩rotation
任务：二分类：calcification钙化+mass肿块
定位：CAM
网络结构：AlexNet / VGGNET/GOOGLENET/RESNET+two classification
训练流程：
中心思想：patch 训练分类器，再用whole image 去（训练+测试）
- 1、用掩码获取patch，将两种patch送入网络训练(resize224*224) train ,input mammorgram full-size test
- 2、经过CAM->heatmap
名词解释
1、CAM（Class Activation Mapping）
参考：CAM:https://blog.youkuaiyun.com/weixin_40955254/article/detail
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
