乳腺钼诊断 ROI 的良恶性分类的混合架构
计算机视觉与模式识别
2026-04-15 v1
摘要
准确表征乳腺钼诊断中可疑乳腺肿块对于早期诊断和治疗规划至关重要。虽然卷积神经网络(CNN)在提取局部视觉模式方面有效，但在建模长程依赖性方面不够。视觉转换器(ViT)通过自注意力机制解决了这一限制，但其二次计算成本可能致使其不可行。本文提出了一种混合架构，将 EfficientNetV2-M用于局部特征提取，结合视觉Mamba(一种状态空间模型SSM)用于高效的全局上下文建模。该模型对来自 CBIS-DDSM 数据集的乳腺钼诊断区域感兴趣(ROI)进行二元分类，将其分为良性和恶性类别。通过将强大的 CNN 主干与线性复杂度序列模型相结合，该方法在基于 ROI 的设置中实现了强劲的肿块级分类性能。
引用
@article{arxiv.2604.12437,
title = {A Hybrid Architecture for Benign-Malignant Classification of Mammography ROIs},
author = {Mohammed Asad and Mohit Bajpai and Sudhir Singh and Rahul Katarya},
journal= {arXiv preprint arXiv:2604.12437},
year = {2026}
}
备注
4 pages, 2 figures, 2 tables