Xun Gong, Hongling Zhou, Yunhao Gu, Ying Guo. Breast Ultrasound Image Classification With Hard Sample Generation And Semi-supervised Learning. Biomedical Signal Processing and Control.
超声具有快速和非侵入性，广泛用于乳腺癌的早期诊断。然而，由于超声图像呈现的特征具有良恶性重叠性，传统的计算机算法甚至超声诊断师都无法准确区分。为了解决上述问题，我们首先定义了困难样本挖掘规则，用形状描述符（凹陷度、生长方向、紧凑度、圆方差、椭圆方差）等描述困难样本。对于那些特征重叠的样本，我们将其命名为困难样本。为了使网络更加关注它们，我们提出了一个分阶段的GAN，它可以生成困难样本，以增加数据集中困难样本的数量。然而，生成的困难样本没有标签，不能用于监督训练。因此，我们提出了一个新的半监督网络（SSN）。在半监督网络中加入了一个困难样本损失函数，以规范困难样本的特征，这有助于网络更好地学习这些特征。我们的方法在乳腺公共数据集（445例良性和210例恶性）上的分类精度为97.7%。
