面向乳腺超声图像分析的基础生成模型
人工智能
2025-01-14 v1 计算机视觉与模式识别
人机交互
机器学习
摘要
基础模型已成为解决临床环境中各种任务的强大工具，但其在乳腺超声图像分析方面的潜力尚未被充分发挥。本文提出了 BUSGen，即首个专为乳腺超声图像分析设计的基础生成模型。该模型在超过 350 万张乳腺超声图像上预训练，获得了对乳腺结构、病理特征和临床变异的广泛认识。通过少量样本适应，BUSGen 可生成逼真且信息丰富的特定任务数据存储库，促进面向广泛下游任务的模型开发。大量实验表明，BUSGen 的适应性卓越，在乳腺癌筛查、诊断和预后评估方面均显著超越基于真实数据的基础模型。在乳腺癌早期诊断中，我们的方法超越了所有资深放射科医生（n=9），实现平均灵敏度提升 16.5%（P 值<0.0001）。此外，我们还表征了使用生成数据对训练诊断模型的规模效应，其效果相当于使用收集的真实世界数据。更重要的是，广泛的实验表明，我们的方法提高了下游模型的泛化能力。本次研究还通过完全去标识化的数据共享，保护了患者隐私，推动了安全医疗数据利用的进一步发展。BUSGen 在线演示可在 https://aibus.bio 查看。
引用
@article{arxiv.2501.06869,
title = {A Foundational Generative Model for Breast Ultrasound Image Analysis},
author = {Haojun Yu and Youcheng Li and Nan Zhang and Zihan Niu and Xuantong Gong and Yanwen Luo and Haotian Ye and Siyu He and Quanlin Wu and Wangyan Qin and Mengyuan Zhou and Jie Han and Jia Tao and Ziwei Zhao and Di Dai and Di He and Dong Wang and Binghui Tang and Ling Huo and James Zou and Qingli Zhu and Yong Wang and Liwei Wang},
journal= {arXiv preprint arXiv:2501.06869},
year = {2025}
}
备注
Peking University; Stanford University; Peking University Cancer Hospital & Institute; Peking Union Medical College Hospital; Cancer Hospital, Chinese Academy of Medical Sciences