基于深度学习的乳房位置评估
图像与视频处理
2024-07-16 v1 人工智能
计算机视觉与模式识别
摘要
乳腺癌是全球女性死亡原因前列的癌症，乳房X线片是检测的有效方法。确保乳房X线片中的正确位置至关重要，因为不良位置可能导致诊断错误、增加患者压力和因复查而产生更高成本。尽管深度学习(DL)在乳腺癌诊断方面取得了进展，但对评估乳房X线片位置的关注仍有限。本文引入一种新型DL方法，用于定量评估乳房X线片位置质量，具体针对 mediolateral oblique(MLO)视图，使用注意力和坐标卷积模块。该方法识别关键解剖 landmarks，如乳头和胸肌，并自动绘制后背乳头线(PNL)，为已知分类和回归方法提供稳健且内在可解释的替代方案。我们将提出的方法与各种回归和分类模型进行比较。CoordAtt UNet模型在准确率达到88.63% 2.84和特异度达到90.25% 4.04方面取得最佳成绩，同时以86.04% 3.41的显著灵敏度。 在landmark检测方面，同一模型还记录了关键解剖点的最低平均误差和2.42度的最小角度误差。我们的结果表明，包含注意力机制和CoordConv模块的模型在分类乳房位置质量和检测解剖 landmarks方面提高了准确性。此外，我们将标签和源代码公开于社区，以开启乳房X线片研究的开放领域，链接为https://github.com/tanyelai/deep-breast-positioning。
引用
@article{arxiv.2407.10796,
title = {Mammographic Breast Positioning Assessment via Deep Learning},
author = {Toygar Tanyel and Nurper Denizoglu and Mustafa Ege Seker and Deniz Alis and Esma Cerekci and Ercan Karaarslan and Erkin Aribal and Ilkay Oksuz},
journal= {arXiv preprint arXiv:2407.10796},
year = {2024}
}