tsta

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Late Fusion-Based Deep Learning for Breast Cancer Classification in Mammography

Authors :

Mehdi Baharloo¹ Ata Jodeiri²

1- دانشگاه علوم پزشکی تبریز 2- دانشگاه علوم پزشکی تبریز

Keywords :

Breast cancer،Mammograghy،Deep lreaning،Late fusion،BI_RADS

Abstract :

This study investigates a late fusion framework for breast cancer classification in mammography using deep learning. Two EfficientNet-B0 models were trained independently on craniocaudal (CC) and mediolateral oblique (MLO) mammographic views. Their outputs were integrated via a fully connected late fusion layer. Experimental evaluation on a dataset collected from two hospitals showed that single-view models achieved 82.14% accuracy with perfect sensitivity but limited specificity, while the late fusion model improved performance to 92.86% accuracy, 1.000 sensitivity, and 0.8667 specificity. The proposed lightweight fusion framework is computationally efficient and particularly suitable for small, clinically curated datasets. These results confirm that multi-view late fusion reduces false positives and enhances diagnostic reliability in computer-aided mammography. Moreover, our deterministic and lightweight fusion enables faster inference compared with probabilistic or transformer-based fusion methods.

Papers List

List of archived papers

شناسایی عوامل موثر بر تمایل به فرار مالیاتی با در نظر گرفتن عوامل فرهنگی با رویکرد تحلیل مضمون

نیما صدری نوبر زاد - پریسا صدری نوبر زاد

نقش بازاریابی رابطه مند و مدیریت ارتباط با مشتری درتقویت وفاداری مشتری باتاثیر هوش مصنوعی

فرزاد توکلی - معصومه خوانچه سپهر

Backward Walking Under Dual-Task Conditions Among Young Adults: A Potential Tool for Early Detection of Gait Instability and Fall Risk

Zahra Ouni - Hassan Khoudeh - Mina Niknam - Fariborz Rahimi

Improving Effectivity of repetitive Transcranial Magnetic Stimulation in Treatment of Amyotrophic Lateral Sclerosis by Designing New Protocol and Using Machine Learning

Ali Abedi - Gholamreza Moradi - Reza Sarraf Shirazi - Mehran Jahed

Dynamic Cross-Frequency Coupling Reveals Task Dependent Neural Engagement During Varying Cognitive Demands

Seyed Saman Sajadi - Babak Fazli - Fateme Karbasi - Ehsan Garosi - Milad Jalilian - Soheila Hosseinzadeh - Amir Homayoun Jafari - Seyed Abolfazl Zakerian

Predictive Modeling of Astronaut Skin Microbiome Changes Using Machine Learning on NASA Multi-Omics Data

Mahdi Ansari - Abolfazl Hajihashemi - Mohammad Rafienia

Improving Generalization in MRI-Based Deep Learning Models for Total Knee Replacement Prediction

Ehsan Karami - Hamid Soltanian-Zadeh

شیوه های حسابداری منابع انسانی و تاثیر آنها بر عملکرد مدیریت

مرضیه ساداتی

بررسی تأثیر مالکیت کنترل کننده بر رقابت در بازار محصول شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران

اسماعیل محبی کندسری

کاربرد داربست زیستی سه‌بعدی در مدل‌سازی in vitro فیبروز کبدی ناشی از NAFLدرموش سوری نر نژاد C57BL/6

حدیثه شکری - امید وجدان دوست اهرابی