COIN：用于乳腺X线摄影中乳腺肿块诊断的对比标识符网络
计算机视觉与模式识别
2021-01-01 v1 机器学习
摘要
乳腺X线摄影中的计算机辅助乳腺癌诊断是一个具有挑战性的问题，源于乳腺X线数据稀缺和数据纠缠。具体而言，数据稀缺归因于隐私和昂贵的标注。而数据纠缠是由于良性和恶性肿块之间的高相似性，其流形驻留在具有极小间隔的低维空间中。为应对这两个挑战，我们提出了一种名为对比标识符网络（\textsc{COIN}）的深度学习框架，它集成了对抗增强与基于流形的对比学习。首先，我们采用对抗学习来创建包含分布内与分布外肿块的ROI。之后，我们提出一种带有已构建有符号图的新颖对比损失。最后，神经网络以对比学习方式进行优化，旨在提升深度模型在扩展数据集上的判别力。特别地，通过采用COIN，同一类别的数据样本在深度潜空间中被拉近，而不同标签的样本被推远。此外，COIN以可观的差距优于解决乳腺癌诊断问题的现有最优相关算法，达到了93.4%的准确率和95.0%的AUC分数。代码将发布于***。
引用
@article{arxiv.2012.14690,
title = {COIN: Contrastive Identifier Network for Breast Mass Diagnosis in Mammography},
author = {Heyi Li and Dongdong Chen and William H. Nailon and Mike E. Davies and David Laurenson},
journal= {arXiv preprint arXiv:2012.14690},
year = {2021}
}