FACT：面向癌症组织边缘评估的基石模型
医学物理
2025-04-17 v1 计算机视觉与模式识别
机器学习
摘要
目的：准确分类癌症手术中的组织边缘对于确保完全肿瘤切除至关重要。快速蒸发喷雾质谱（REIMS）是一种用于实时内手术边缘评估的工具，产生的谱图需要机器学习模型来支持临床决策。然而，手术环境中标注数据稀缺是一个显著挑战。本研究首次开发针对 REIMS 数据专门设计的基石模型，以解决此限制并推动实时手术边缘评估。方法：我们提出 FACT，即面向组织边缘评估的基石模型。FACT 是对原为文本-音频关联而设计的基石模型的改造，采用我们提出的基于三角组损失的监督对比预训练方法。进行消融研究，将所提模型与其他模型及预训练方法进行比较。结果：我们提出的模型显著提升了分类性能，实现状态最佳性能，AUROC 为 。结果表明，我们提出的预训练方法和所选骨干网络相较于自监督、半监督基线及其他模型具有优势。结论：我们的发现表明，尽管标注样本有限，经过我们新颖方法适配和预训练的基石模型能够有效分类 REIMS 数据。这凸显了基石模型在数据稀缺的临床环境中提升实时手术边缘评估的可行性。
引用
@article{arxiv.2504.11519,
title = {FACT: Foundation Model for Assessing Cancer Tissue Margins with Mass Spectrometry},
author = {Mohammad Farahmand and Amoon Jamzad and Fahimeh Fooladgar and Laura Connolly and Martin Kaufmann and Kevin Yi Mi Ren and John Rudan and Doug McKay and Gabor Fichtinger and Parvin Mousavi},
journal= {arXiv preprint arXiv:2504.11519},
year = {2025}
}