CSAW-M：用于基准测试乳腺癌摄影中癌症遮蔽的序数分类数据集
计算机视觉与模式识别
2025-12-16 v2 机器学习
摘要
间隔性乳腺癌与大型浸润性乳腺癌比其他癌症预后更差，通常由于筛查乳腺摄影的假阴性评估而在晚期才被检出。筛查时漏检通常源于肿瘤被周围乳腺组织遮挡，这一现象称为遮蔽 (masking)。为研究并基准测试乳腺摄影中的癌症遮蔽，本文引入 CSAW-M，这是从超过 10,000 名个体收集并标注了潜在遮蔽的最大公共乳腺摄影数据集。与以往将乳腺图像密度作为替代度量的方法不同，我们的数据集直接提供五位专家的遮蔽潜力评估标注。我们还在 CSAW-M 上训练了深度学习模型以估计遮蔽程度，并表明所估计的遮蔽——在未显式针对这些任务训练的情况下——比乳腺密度对应指标更能显著预测被诊断为间隔性与大型浸润性癌症的筛查参与者。
引用
@article{arxiv.2112.01330,
title = {CSAW-M: An Ordinal Classification Dataset for Benchmarking Mammographic Masking of Cancer},
author = {Moein Sorkhei and Yue Liu and Hossein Azizpour and Edward Azavedo and Karin Dembrower and Dimitra Ntoula and Athanasios Zouzos and Fredrik Strand and Kevin Smith},
journal= {arXiv preprint arXiv:2112.01330},
year = {2025}
}
备注
35th Conference on Neural Information Processing Systems (NeurIPS 2021) Track on Datasets and Benchmarks