基于乳腺超声视频流和自监督对比学习的肿瘤良恶性分类系统

唐蕴芯, 廖梅, 张艳玲, 张建, 陈皓, 王炜

Breast tumor classification based on video stream and self⁃supervised contrastive learning

Yunxin Tang, Mei Liao, Yanling Zhang, Jian Zhang, Hao Chen, Wei Wang

表2 四种预训练模型在四种DenseNet框架下的实验结果对比

Table 2 Experimental results of four pre?trained models with four DenseNets as backbone

DenseNet121 AUC Sensitivity Specificity 随机初始化 0.894 0.818 0.818 ImageNet预训练模型 0.875 0.786 0.786 三胞胎网络+Hard Triplet Loss 0.943 0.878 0.878 三胞胎网络+InfoNCE Loss 0.924 0.858 0.858 DenseNet161 随机初始化 0.898 0.841 0.841 ImageNet预训练模型 0.899 0.820 0.820 三胞胎网络+Hard Triplet Loss 0.938 0.882 0.882 三胞胎网络+InfoNCE Loss 0.903 0.831 0.831 DenseNet169 随机初始化 0.897 0.831 0.831 ImageNet预训练模型 0.866 0.788 0.788 三胞胎网络+Hard Triplet Loss 0.952 0.890 0.890 三胞胎网络+InfoNCE Loss 0.919 0.850 0.850 DenseNet201 随机初始化 0.896 0.831 0.831 ImageNet预训练模型 0.863 0.762 0.762 三胞胎网络+Hard Triplet Loss 0.938 0.877 0.877 三胞胎网络+InfoNCE Loss 0.926 0.850 0.850