MammoDINO：面向乳腺图像的解剖感知自监督学习
计算机视觉与模式识别
2025-10-15 v1 人工智能
摘要
自监督学习（SSL）已在通用视觉领域中变革编码器训练，但在医学影像中仍被 underutilize，主要因数据有限及领域特定偏差。我们提出的 MammoDINO 是一种新型乳腺 X 光片自监督框架，基于 140 万张乳腺图像进行预训练。为捕获临床意义特征，我们引入了乳腺组织感知的数据增强抽样器，用于图像级和切片级监督，并设计交叉切片对比学习目标，利用三维乳腺数字断层扫描（DBT）结构融合至二维预训练中。MammoDINO 在多个乳腺癌筛查任务上实现了最新性能，并表现出良好的跨数据集泛化能力。它为面向多用途的乳腺图像计算机辅助诊断（CAD）工具提供了可扩展、无需标注的基础，有助于减轻放射科医生的工作负担，提高乳腺癌筛查效率。
引用
@article{arxiv.2510.11883,
title = {MammoDINO: Anatomically Aware Self-Supervision for Mammographic Images},
author = {Sicheng Zhou and Lei Wu and Cao Xiao and Parminder Bhatia and Taha Kass-Hout},
journal= {arXiv preprint arXiv:2510.11883},
year = {2025}
}
备注
5 pages