基于多风格多视角对比学习的乳腺 X 线摄影检测域泛化
图像与视频处理
2021-11-23 v1 计算机视觉与模式识别
摘要
病灶检测是乳腺 X 线摄影计算机辅助诊断方案中的基本问题。深度学习技术的进展已使该任务取得显著进步，前提是训练数据在图像风格与质量上规模大且足够多样。特别地，图像风格的多样性可能主要归因于设备厂商因素。然而，收集来自尽可能多厂商的乳腺 X 线图像非常昂贵，且对实验室规模的研究有时不切实际。因此，为在有限资源下进一步增强深度学习模型对各类厂商的泛化能力，我们提出了一种新的对比学习方案。具体而言，首先通过多风格多视角无监督自学习方案训练骨干网络，以嵌入对各种厂商风格的不变量特征。随后，通过特定的监督学习将骨干网络重新校准到病灶检测的下游任务。所提方法使用来自四个厂商的乳腺 X 线图像和一个未见过公开数据集进行评估。实验结果表明，我们的方法能有效提升在已见与未见过域上的检测性能，并优于许多最先进（SOTA）的泛化方法。
引用
@article{arxiv.2111.10827,
title = {Domain Generalization for Mammography Detection via Multi-style and Multi-view Contrastive Learning},
author = {Zheren Li and Zhiming Cui and Sheng Wang and Yuji Qi and Xi Ouyang and Qitian Chen and Yuezhi Yang and Zhong Xue and Dinggang Shen and Jie-Zhi Cheng},
journal= {arXiv preprint arXiv:2111.10827},
year = {2021}
}
备注
Pages 98-108