面向以人为中心的乳腺癌诊断的人工智能集成：多尺度多视图 Swin Transformer 框架
图像与视频处理
2025-05-09 v2 人工智能
计算机视觉与模式识别
摘要
尽管计算机辅助诊断系统取得了进展，但乳腺癌仍是全球女性癌症相关死亡的主要原因之一。人工智能领域的最新突破表明，用于通过乳腺 X 光检查进行乳腺癌诊断的先进深度学习架构的开发具有重大前景。在此背景下，本文重点关注在以人为中心的工作流中集成人工智能，以增强乳腺癌诊断。然而，一些关键挑战在很大程度上被忽视了，例如依赖详细的肿瘤标注以及对缺失视图（特别是在测试期间）的敏感性。为了解决这些问题，我们提出了一种混合的、多尺度和多视图的基于 Swin Transformer 的框架，该框架增强了诊断的鲁棒性和准确性。所提出的 MSMV-Swin 框架旨在作为决策支持工具，帮助放射科医生更有效地分析多视图乳腺 X 光片。更具体地说，MSMV-Swin 框架利用 Segment Anything Model (SAM) 来分离乳腺叶，减少背景噪声并实现全面特征提取。所提出的 MSMV-Swin 框架的多尺度特性考虑了肿瘤特定区域以及肿瘤周围组织的空间特征，捕获了局部信息和上下文信息。上下文和局部数据的集成确保了 MSMV-Swin 的输出与放射科医生解读乳腺 X 光片的方式相一致，促进了更好的人机交互和信任。随后设计了一种混合融合结构，以确保对缺失视图的鲁棒性，这是临床实践中仅有单一乳腺 X 光片视图可用时的常见情况。
引用
@article{arxiv.2503.13309,
title = {Integrating AI for Human-Centric Breast Cancer Diagnostics: A Multi-Scale and Multi-View Swin Transformer Framework},
author = {Farnoush Bayatmakou and Reza Taleei and Milad Amir Toutounchian and Arash Mohammadi},
journal= {arXiv preprint arXiv:2503.13309},
year = {2025}
}