多视图网络下同侧乳腺钼靶评估的深入探究
计算机视觉与模式识别
2023-09-07 v2
摘要
近年来，基于 AI 的癌症评估中多视图乳腺钼靶分析受到广泛关注。本工作旨在探索多种融合策略（平均与拼接），并考察模型在不同个体与融合路径（涉及粗层与细层）下的学习行为。我们采用同侧多视图网络，该网络在 ResNet-18 中包含五种融合类型（预融合、早融合、中融合、末融合与后融合）。值得注意的是，中融合是最均衡且有效的方法，在 VinDr-Mammo 数据集上通过宏 F1 分数将深度学习模型泛化性能提升 +2.06%（拼接）与 +5.29%（平均），在 CMMD 数据集上提升 +2.03%（拼接）与 +3%（平均）。本文强调了层分配在多视图网络提取及不同策略中的关键作用。
引用
@article{arxiv.2309.02197,
title = {Delving into Ipsilateral Mammogram Assessment under Multi-View Network},
author = {Thai Ngoc Toan Truong and Thanh-Huy Nguyen and Ba Thinh Lam and Vu Minh Duy Nguyen and Hong Phuc Nguyen},
journal= {arXiv preprint arXiv:2309.02197},
year = {2023}
}