#543
summarized by : Anonymous
Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammograms

どんな論文か?

早期乳がん発見のためのマンモグラフィー画像から微少石灰化(μC)検出を行うことは重要である. 従来,2種類の方法がある.識別モデルと生成モデルだ.識別モデルにはがんが小さすぎるため見つけにくいという弱点があり,生成モデルには他の異常組織と見分けることが難しいという弱点があった.新しい生成モデル,それらを組み合わせたハイブリッドモデルを提案し,従来手法より優位であることを確認した.
placeholder

新規性

識別モデルと生成モデルの両方の利点を用いるためハイブリッド手法を提案した.下記ASN(生成モデル)とFPR(識別モデル)を組み合わせた.FPRのバックボーンはResNetである. Anomaly Separation Network(ASN)を生成モデルとして提案した. ASNは画像再構成と識別モデルのカスケード化ができる.

結果

公開・社内データセットで検証された. k false positive per image(R@k){k=1,5,10,15,20}のどの場合においてもASNはU-netより,1%~4%精度が伸びている. 全体の手法としては,R@1の場合を除いてU-net w FPRより,1~4%精度が伸びている. 実際の写真を見ると,提案手法では正解ラベルの場所に正しく正解を出せている.

その他(なぜ通ったか?等)