基于深度学习与手工特征融合的乳腺癌哌反诊断
软件工程
2025-10-15 v2 人工智能
摘要
从乳腺钼片影像中进行自动乳腺癌分类仍是一个重大挑战，由于恶性和良性组织之间的细微差别。本文提出了一种混合框架，将ResNet-50主干网络的深度卷积特征与手工描述子和基于Transformer的嵌入相结合。使用CBIS-DDSM数据集，我们对ResNet-50基线模型进行基准测试（AUC: 78.1%），并表明将手工特征与深度ResNet-50和DINOv2特征融合可将AUC提升至79.6%（配置d1），峰值召回率达到80.5%（配置d1），最高F1分数达到67.4%（配置d1）。我们的实验表明，手工特征不仅补充深度表征，还能超越基于Transformer的嵌入提升性能。该混合融合方法在保持架构简单性和计算效率的同时，实现了与SOTA方法相当的效果，具有在临床决策支持方面的实用性和有效性。
引用
@article{arxiv.2507.19842,
title = {A Cooperative Approach for Knowledge-based Business Process Design in a Public Authority},
author = {Mohammad Azarijafari and Luisa Mich and Michele Missikoff and Oleg Missikoff},
journal= {arXiv preprint arXiv:2507.19842},
year = {2025}
}