乳腺癌检测的对比学习框架
计算机视觉与模式识别
2025-09-26 v1
摘要
乳腺癌是全球 cancer-related 死亡原因第二位的癌症之一，占所有癌症病例的四分之一 [1]。为了降低死亡率，及早检测肿瘤至关重要，因为早期检测显著改善治疗效果。非侵入性成像技术的进步使得通过计算机辅助检测 (CAD) 系统通过传统图像分析识别恶性肿瘤成为可能。尽管如此，深度学习方法因其优越的有效性正在日益取代传统方法。尽管深度学习方法具有巨大的潜力，但它们往往在准确性方面受限于用于训练的大型标注数据集的稀缺。为了解决这一问题，我们的研究引入了对比学习 (CL) 框架，该框架在小型标注数据集上表现出色。在此基础上，我们使用相似性指数在大量无标签乳腺钼光图数据上以半监督方式训练 Resnet-50。在此过程中，我们使用各种数据增强和转换以提高方法性能。最后，我们在小型标注数据集上调优我们的模型，超过了现有的研究进展。具体而言，我们在基准数据集 INbreast 和 MIAS 上的检测准确率达到 96.7%。
引用
@article{arxiv.2509.20474,
title = {A Contrastive Learning Framework for Breast Cancer Detection},
author = {Samia Saeed and Khuram Naveed},
journal= {arXiv preprint arXiv:2509.20474},
year = {2025}
}