Exemplar Med-DETR：面向乳腺钼片图像及更广泛场景的通用且鲁健病灶检测
计算机视觉与模式识别
2026-03-17 v2
摘要
医学图像异常检测因特征表征差异以及解剖结构与异常之间复杂关系，面临独特挑战。这在乳腺钼片成像中尤为突出，由于乳腺密集组织可能遮挡病灶，导致放射学解释复杂化。尽管已利用解剖和语义上下文，现有检测方法仍难以学习有效的类别特定特征，限制了其在不同任务和成像模态上的适用性。本文引入 Exemplar Med-DETR，一种新型多模态对比检测器，实现基于特征的检测。它采用跨注意力机制，利用源自内在的直观类别特定示例特征，并采用迭代策略进行训练。我们在四个公开数据集上的三个不同成像模态上实现了最先进的性能。在越南密集乳腺钼片上，实现了0.7的质量块检测mAP和0.55的钙化点检测mAP，提升了16个百分点。此外，对100例来自非分布中文 cohort 的乳腺钼片进行放射科医生支持的评估显示，病灶检测性能提升了两倍。对于胸片和血管造影图，分别实现了0.25和0.37的mAP，分别提升了4和7个百分点。这些结果凸显了该方法在医学影像中构建稳健且可泛化检测系统的潜力。
引用
@article{arxiv.2507.19621,
title = {Exemplar Med-DETR: Toward Generalized and Robust Lesion Detection in Mammogram Images and beyond},
author = {Sheethal Bhat and Bogdan Georgescu and Adarsh Bhandary Panambur and Mathias Zinnen and Tri-Thien Nguyen and Awais Mansoor and Karim Khalifa Elbarbary and Siming Bayer and Florin-Cristian Ghesu and Sasa Grbic and Andreas Maier},
journal= {arXiv preprint arXiv:2507.19621},
year = {2026}
}
备注
I am asking for a withdrawal of the paper as I did not have institutional approval to release this paper right now