基于深度学习的计算机辅助诊断在乳腺癌检测中取得了前所未有的性能。然而,大多数方法都是计算密集型的,这阻碍了他们在现实世界应用中的更广泛传播。在这项工作中,我们提出了一种高效和轻量加权的多任务学习架构,同时分类和分段乳腺肿瘤。我们将分段任务纳入肿瘤分类网络,使骨干网络学习侧重于肿瘤区域的陈述。此外,我们提出了一种新的数值稳定的损失功能,可容易地控制癌症检测的敏感性和特异性之间的平衡。使用具有1,511个图像的乳房超声数据集来评估所提出的方法。肿瘤分类的准确性,敏感性和特异性分别为88.6%,94.1%和85.3%。我们使用虚拟移动设备验证模型,每个图像的平均推断时间为0.35秒。
translated by 谷歌翻译