噪声乳腺 X 线摄影异常检测中的上下文内跨密度自适应
计算机视觉与模式识别
2023-06-13 v1 人工智能
摘要
本文利用 VinDr-Mammo 数据集研究乳腺密度分布对深度学习模型在乳腺 X 线摄影图像上泛化性能的影响。我们探索使用域自适应技术，特别是结合噪声潜在可迁移性探索（NLTE）框架的域自适应目标检测（DAOD），以在噪声标注情况下改善模型跨乳腺密度的性能。我们提出一种鲁棒增强框架，以弥合数据集内源域与目标域之间的域差距。我们的结果表明，基于 DAOD 的方法连同所提出的增强框架能够改善深度学习模型的泛化性能（与常用检测模型相比，我们的实验结果中总体 mAP 约提升 +5%）。本文强调了域自适应技术在医学影像中的重要性，尤其在乳腺密度分布的背景下，而后者在乳腺 X 线摄影中至关重要。
引用
@article{arxiv.2306.06893,
title = {In-context Cross-Density Adaptation on Noisy Mammogram Abnormalities Detection},
author = {Huy T. Nguyen and Thinh B. Lam and Quan D. D. Tran and Minh T. Nguyen and Dat T. Chung and Vinh Q. Dinh},
journal= {arXiv preprint arXiv:2306.06893},
year = {2023}
}