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4 两种损失函数的DenseNet169?三胞胎网络、Multi?task LR模型、DenseNet169?ImageNet预训练模型和随机初始化模型在四个小数据集上三种评价指标的对比

Table 4 Three evaluation indicators of Triplet Network based on DenseNet169 with two loss functions，Multi?task LR model，ImageNet pre?trained model based on DenseNet169 and stochastic initialization model on four small datasets

小数据集 1 64个训练， 16个测试		AUC	Sensitivity	Specificity
	随机初始化	0.727	0.683	0.683
	ImageNet预训练模型	0.743	0.667	0.667
	DenseNet169⁃三胞胎网络(Hard Triplet Loss)	0.800	0.724	0.724
	DenseNet169⁃三胞胎网络(InfoNCE Loss)	0.800	0.734	0.734
	Multi⁃task LR模型	0.743	0.661	0.661
小数据集 2 96个训练， 24个测试	随机初始化	0.836	0.769	0.769
	ImageNet预训练模型	0.852	0.764	0.764
	DenseNet169⁃三胞胎网络(Hard Triplet Loss)	0.901	0.835	0.835
	DenseNet169⁃三胞胎网络(InfoNCE Loss)	0.867	0.809	0.809
	Multi⁃task LR模型	0.900	0.833	0.833
小数据集 3 140个训练， 35个测试	随机初始化	0.859	0.793	0.793
	ImageNet预训练模型	0.842	0.754	0.754
	DenseNet169⁃三胞胎网络(Hard Triplet Loss)	0.929	0.865	0.865
	DenseNet169⁃三胞胎网络(InfoNCE Loss)	0.889	0.818	0.818
	Multi⁃task LR模型	0.897	0.834	0.834
小数据集 4 152个训练， 38个测试	随机初始化	0.832	0.776	0.776
	ImageNet预训练模型	0.848	0.760	0.760
	DenseNet169⁃三胞胎网络(Hard Triplet Loss)	0.936	0.870	0.870
	DenseNet169⁃三胞胎网络(InfoNCE Loss)	0.901	0.837	0.837
	Multi⁃task LR模型	0.929	0.868	0.868