MammoDG：可泛化深度学习打破跨域多中心乳腺癌筛查的局限
计算机视觉与模式识别
2023-08-03 v1
摘要
乳腺癌是女性癌症死亡的主要原因，强调早期检测对改善治疗效果与生活质量的重要性。乳腺 X 线摄影作为主要诊断影像检查，因乳腺图像的高度变异性与模式而带来挑战。许多筛查项目推荐对乳腺图像进行双读以提高诊断准确性，但增加了放射科医生的工作负担。研究者探索机器学习模型以支持专家决策。独立模型已展现出与放射科医生相当或更优的性能，但一些研究指出在多个数据集上敏感性下降，表明需要具有高泛化与鲁棒性的模型。本工作设计了 MammoDG，一种用于跨域多中心乳腺 X 线摄影数据可泛化且可靠分析的新型深度学习框架。MammoDG 利用多视图乳腺图像与一种新颖对比机制来增强泛化能力。广泛验证证明了 MammoDG 的优越性，凸显了域泛化对于成像协议变异下可信乳腺 X 线摄影分析的关键重要性。
引用
@article{arxiv.2308.01057,
title = {MammoDG: Generalisable Deep Learning Breaks the Limits of Cross-Domain Multi-Center Breast Cancer Screening},
author = {Yijun Yang and Shujun Wang and Lihao Liu and Sarah Hickman and Fiona J Gilbert and Carola-Bibiane Schönlieb and Angelica I. Aviles-Rivero},
journal= {arXiv preprint arXiv:2308.01057},
year = {2023}
}