[논문 리뷰] Artificial Neural Network Based Breast Cancer Screening: A Comprehensive Review

Subrato Bharati, Prajoy Podder외 1명|arXiv (Cornell University)|2020. 05. 29.

AI in cancer detection참고 문헌 80인용 수 69

한 줄 요약

ANN 기반 모델을 이용한 유방암 스크리닝(유방촬영술)을 위한 모델들의 체계적 고찰로, 아키텍처(SNN, DBN, CNN, MLNN, SAE, SDAE)를 상세히 다루고 ResNet-50 및 ResNet-101 CNN이 공개 데이터셋에서 종종 최상의 성능을 달성한다는 결론을 제시한다.

ABSTRACT

Breast cancer is a common fatal disease for women. Early diagnosis and detection is necessary in order to improve the prognosis of breast cancer affected people. For predicting breast cancer, several automated systems are already developed using different medical imaging modalities. This paper provides a systematic review of the literature on artificial neural network (ANN) based models for the diagnosis of breast cancer via mammography. The advantages and limitations of different ANN models including spiking neural network (SNN), deep belief network (DBN), convolutional neural network (CNN), multilayer neural network (MLNN), stacked autoencoders (SAE), and stacked de-noising autoencoders (SDAE) are described in this review. The review also shows that the studies related to breast cancer detection applied different deep learning models to a number of publicly available datasets. For comparing the performance of the models, different metrics such as accuracy, precision, recall, etc. were used in the existing studies. It is found that the best performance was achieved by residual neural network (ResNet)-50 and ResNet-101 models of CNN algorithm.

연구 동기 및 목표

• ANN 기반의 유방암 진단에 관한 문헌을 조사하고 종합한다.
• 다양한 ANN 모델의 장점과 한계를 설명한다.
• 문헌에서 사용된 데이터셋과 평가 지표를 요약한다.
• 보고된 성능이 가장 우수한 선도 아키텍처를 파악한다.
• ANN 기반의 유방암 스크리닝의 향후 방향을 논의한다.

제안 방법

• 유방암 스크리닝을 위한 유방촬영술에서 사용된 ANN 모델에 대한 체계적 문헌 고찰.
• 모델의 범주화(SNN, DBN, CNN, MLNN, SAE, SDAE)와 특성 정리.
• 공개 데이터셋과 일반적인 평가 지표(예: 정확도, 정밀도, 재현율) 검토.
• 연구 간 모델 성능 비교를 통해 추세와 격차를 강조.

실험 결과

연구 질문

• RQ1 유방촬영술에서 어떤 ANN 아키텍처가 유방암 스크리닝에 적용되었는가?
• RQ2 표준 지표를 사용한 공개 데이터셋에서 이러한 아키텍처의 성능은 어떠한가?
• RQ3 각 ANN 모델이 이 응용 분야에서 가진 장점과 한계는 무엇인가?
• RQ4 검토된 문헌에서 어떤 모델 유형이 최상위 성능으로 나타나며, 어떤 조건에서 그런가?

주요 결과

• 본 고찰은 SNN, DBN, CNN, MLNN, SAE, SDAE를 포함하여 유방촬영술에서 유방암 탐지에 사용된 여러 ANN 모델을 설명한다.
• CNN 기반 접근법이 데이터셋 전반에서 일반적으로 채택되었음을 시사한다.
• 가장 우수한 성능은 잔차 CNN 모델(ResNet-50 및 ResNet-101)에 의해 달성된다.
• 연구들은 정확도 및 정밀도/재현율과 같은 다양한 공개 데이터셋과 지표를 사용해 모델을 평가한다.
• 본 고찰은 각 ANN 모델의 장단점을 논의하고 데이터 가용성 및 일반화의 과제를 강조한다.