基于深度学习的内存乳腺 X 线摄影中肿块检测的域泛化：一项大规模多中心研究
图像与视频处理
2023-01-25 v2 计算机视觉与模式识别
机器学习
摘要
基于深度学习的计算机辅助检测系统在乳腺癌检测中展现出巨大潜力。然而，人工神经网络缺乏域泛化能力是其部署于变化临床环境中的重要障碍。本工作中，我们探索数字乳腺 X 线摄影中肿块检测的深度学习方法的域泛化，并在大规模多中心设定下深入分析域偏移的来源。为此，我们比较了八种最先进检测方法的性能，包括基于 Transformer 的模型，这些方法在单一域训练并在五个未见域测试。此外，设计了一种单源肿块检测训练流程，以在无需新域图像的情况下改善域泛化。结果表明，我们的流程在五个域中的四个上比最先进的基于迁移学习的方法泛化更好，同时减少了由不同采集协议和扫描仪制造商引起的域偏移。随后，我们进行了广泛分析以识别对检测性能影响更大的协变量偏移，例如由患者年龄、乳腺密度、肿块大小和肿块恶性程度差异引起的偏移。最终，这项综合研究为未来基于深度学习的乳腺癌检测中域泛化研究提供了关键见解与最佳实践。
关键词
引用
@article{arxiv.2201.11620,
title = {Domain generalization in deep learning-based mass detection in mammography: A large-scale multi-center study},
author = {Lidia Garrucho and Kaisar Kushibar and Socayna Jouide and Oliver Diaz and Laura Igual and Karim Lekadir},
journal= {arXiv preprint arXiv:2201.11620},
year = {2023}
}