[论文解读] Non-image Data Classification with Convolutional Neural Networks

Anurag Sharma, Dinesh Kumar|arXiv (Cornell University)|Jul 7, 2020

AI in cancer detection被引用 9

一句话总结

本文提出了一种新颖的数据预处理方法，将一维临床患者数据转换为类似二维图像的表示形式，从而使得预训练的卷积神经网络（CNN），如VGGNet-16，能够用于非图像数据的分类。该方法在威斯康星州乳腺癌数据集上取得了具有竞争力的性能，并在威斯康星州诊断性乳腺癌数据集上优于现有方法。

ABSTRACT

Breast cancer is the most common cancer in women. Classification of cancer/non-cancer patients with clinical records requires high sensitivity and specificity for an acceptable diagnosis test. The state-of-the-art classification model - Convolutional Neural Network (CNN), however, cannot be used with clinical data that are represented in 1-D format. CNN has been designed to work on a set of 2-D matrices whose elements show some correlation with neighboring elements such as in image data. Conversely, the data examples represented as a set of 1-D vectors -- apart from the time series data -- cannot be used with CNN, but with other classification models such as Artificial Neural Networks or RandomForest. We have proposed some novel preprocessing methods of data wrangling that transform a 1-D data vector, to a 2-D graphical image with appropriate correlations among the fields to be processed on CNN. We tested our methods on Wisconsin Original Breast Cancer (WBC) and Wisconsin Diagnostic Breast Cancer (WDBC) datasets. To our knowledge, this work is novel on non-image to image data transformation for the non-time series data. The transformed data processed with CNN using VGGnet-16 shows competitive results for the WBC dataset and outperforms other known methods for the WDBC dataset.

研究动机与目标

• 解决CNN在处理非时间序列的一维临床数据（如患者记录）时的局限性。
• 开发一种数据转换技术，以保留一维数据中的有意义相关性，使其适用于CNN。
• 使强大的预训练CNN架构（如VGGNet-16）能够应用于非图像医学数据集。
• 在标准乳腺癌分类基准上评估转换后数据的性能。
• 证明当一维临床数据经过适当预处理转换为二维形式后，CNN能够在一维临床数据上实现具有竞争力或更优的结果。

提出的方法

• 通过将特征值重新组织为具有空间结构的网格，将一维临床数据向量转换为二维矩阵。
• 设计二维布局以突出特征之间的局部相关性，模仿图像中的空间关系。
• 对生成的二维表示应用标准图像预处理技术（例如，归一化、调整大小）。
• 利用预训练的VGGNet-16架构进行迁移学习，以在转换后的数据上执行分类。
• 在转换后的一维数据上微调VGGNet-16的最后几层，以适应分类任务。
• 在两个基准乳腺癌数据集上验证该方法：威斯康星原始（WBC）和威斯康星诊断（WDBC）。

实验结果

研究问题

• RQ1 一维临床数据能否被有效转换为保留判别性特征关系的二维表示，以供CNN处理？
• RQ2 将CNN应用于转换后的一维数据，是否能在非图像医学数据上实现优于传统模型的分类性能？
• RQ3 所提出的方法在使用临床记录分类乳腺癌时，与最先进模型相比表现如何？
• RQ4 CNN在转换后的一维数据上的性能是否在具有不同数据特征的多个乳腺癌数据集上均保持稳健？
• RQ5 在经过适当的数据转换后，能否有效利用预训练CNN（如VGGNet-16）的迁移学习能力处理非图像数据？

主要发现

• 所提出的数据显示转换方法成功实现了在非时间序列一维临床数据上使用CNN。
• 在威斯康星州原始乳腺癌（WBC）数据集上，基于CNN的模型实现了具有竞争力的分类性能。
• 在威斯康星州诊断性乳腺癌（WDBC）数据集上，该方法优于其他已知的分类技术。
• 该转换方法保留了有意义的特征相关性，使CNN能够从一维数据中学习有效表征。
• 使用VGGNet-16进行迁移学习显著提升了转换后数据的分类准确率。
• 本研究提出了一种利用CNN进行非图像数据分类的新方法，在医学诊断中展示了其可行性和有效性。