面向医学微波辐射测绘 (MWR) 乳腺癌检测的多层级自对比学习
图像与视频处理
2025-01-28 v2 人工智能
计算机视觉与模式识别
摘要
改进乳腺癌检测和监测技术是医疗保健中的关键目标，推动了创新成像技术和诊断方法的需求。本研究引入了一种新颖的多层级自对比模型，用于乳腺癌检测中的微波辐射测绘 (MWR)。我们的方法融合了三个不同模型：局部 MWR (L-MWR)、区域 MWR (R-MWR) 和全局 MWR (G-MWR)，旨在分析乳房内不同亚区域的比较。这些模型通过联合 MWR (J-MWR) 网络集成，利用每个分析层次的自对比结果以提高诊断准确性。我们利用 4,932 名女性患者的数据集，证明了所提出模型的有效性。值得注意的是，J-MWR 模型在马蒂尔斯相关系数上取得 0.74 0.018，超越了现有的 MWR 神经网络和对比方法。这些发现凸显了自对比学习技术在提高 MWR 基于乳腺癌检测的诊断准确性和通用性方面的潜力。该突破为未来研究开启了实现临床点 care 测试的前景。源代码已公开：https://github.com/cgalaz01/self_contrastive_mwr。
引用
@article{arxiv.2410.04636,
title = {Multi-Tiered Self-Contrastive Learning for Medical Microwave Radiometry (MWR) Breast Cancer Detection},
author = {Christoforos Galazis and Huiyi Wu and Igor Goryanin},
journal= {arXiv preprint arXiv:2410.04636},
year = {2025}
}