MV-Swin-T：基于多视图 Swin Transformer 的乳腺 X 光图像分类

Sushmita Sarker; Prithul Sarker; George Bebis; Alireza Tavakkoli

MV-Swin-T：基于多视图 Swin Transformer 的乳腺 X 光图像分类

计算机视觉与模式识别 2024-02-27 v1 人工智能

作者: Sushmita Sarker , Prithul Sarker , George Bebis , Alireza Tavakkoli

摘要

传统的乳腺癌分类深度学习方法主要集中在单视图分析上。然而在临床实践中，放射科医生会同时检查乳腺 X 光检查中的所有视图，利用这些视图之间的固有相关性来有效检测肿瘤。认识到多视图分析的重要性，一些研究引入了独立处理乳腺 X 光视图的方法，要么通过不同的卷积分支，要么通过简单的融合策略，这无意中导致了关键视图间相关性的丢失。在本文中，我们提出了一种仅基于 Transformer 的创新多视图网络，以解决乳腺 X 光图像分类中的挑战。我们的方法引入了一种新颖的基于移位窗口的动态注意力模块，促进了多视图信息的有效整合，并在空间特征图层面促进了这些信息在视图间的连贯传递。此外，我们利用 CBIS-DDSM 和 Vin-Dr Mammo 数据集，对不同设置下基于 Transformer 模型的性能和有效性进行了全面的比较分析。我们的代码公开于 https://github.com/prithuls/MV-Swin-T

关键词

乳腺 X 光图像分类多视图分析 Swin Transformer 动态注意力模块深度学习乳腺癌检测 CBIS-DDSM

引用

@article{arxiv.2402.16298,
  title  = {MV-Swin-T: Mammogram Classification with Multi-view Swin Transformer},
  author = {Sushmita Sarker and Prithul Sarker and George Bebis and Alireza Tavakkoli},
  journal= {arXiv preprint arXiv:2402.16298},
  year   = {2024}
}

备注

4 pages, 2 figures

MV-Swin-T：基于多视图 Swin Transformer 的乳腺 X 光图像分类

摘要

关键词

引用

备注

相关论文