論文筆記：End-to-end Training for Whole Image Breast Cancer Diagnosis using An All Convolutional Design

核心觀點 塊分類網絡可通過修改輸入大小與增加頂層被轉換爲端對端全圖可訓練網絡 從塊分類器輸出生成的熱圖層會在全圖網絡中導致信息瓶頸，應被移除以優化性能 塊分類器對整個圖像分類器的性能至關重要 所有卷積設計優於卷積和完全連接層的混合 問題 乳腺癌診斷不可簡單視作圖像分類任務 病變狀態由整張圖像中的一小部分區域來確定 若數據集存在 ROI 標註則可將其視爲目標檢測與分類問題 現有研究假定用於研究的數據

>>阅读原文<<