基于多级双向解码器交互的不确定性感知乳腺超声诊断
计算机视觉与模式识别
2026-03-03 v1 人工智能
摘要
乳腺超声诊断需要同时完成病灶分割和组织分类。然而，传统的多任务学习方法存在任务干扰且协调策略僵化，难以适应实例特定的预测难度。我们提出一种多任务框架，通过多级解码器交互和不确定性感知自适应协调来解决上述局限性。任务交互模块在所有解码器级别上运行，通过注意力加权池化和乘法调制建立双向分割-分类通信，以实现空间重构。不同于先前的单级或仅编码器方法，本文的多级设计跨越从语义到空间尺度捕获尺度特定的任务协同效应，产生互补的任务交互流。不确定性代理注意力自适应地对待每个级别的基本特征与增强特征进行加权，利用特征激活方差，实现每个级别和每个样本的任务平衡，无需经验性调参。为支持实例自适应预测，多尺度上下文融合捕获不同病灶大小的形态线索。在多个公开的乳腺超声数据集上的评估显示，性能优异，包括在 BUSI 数据集上实现 74.5% 的病灶 IoU 和 90.6% 的分类准确率。消融研究确认，多级任务交互提供了显著的性能提升，验证了解码器级别的双向通信比传统的编码器-only 参数共享更有效。代码地址：https://github.com/C-loud-Nine/Uncertainty-Aware-Multi-Level-Decoder-Interaction。
引用
@article{arxiv.2603.01295,
title = {Multi-Level Bidirectional Decoder Interaction for Uncertainty-Aware Breast Ultrasound Analysis},
author = {Abdullah Al Shafi and Md Kawsar Mahmud Khan Zunayed and Safin Ahmmed and Sk Imran Hossain and Engelbert Mephu Nguifo},
journal= {arXiv preprint arXiv:2603.01295},
year = {2026}
}
备注
10 pages, 3 figures, 2 tables. The code is available at: https://github.com/C-loud-Nine/Uncertainty-Aware-Multi-Level-Decoder-Interaction