中文

揭示深度学习乳腺癌风险模型中的乳腺X线摄影表型

图像与视频处理 2026-06-24 v1 计算机视觉与模式识别
作者: Ruiyu Jia , Yanqi Xu , Yuxuan Chen , Yiqiu Shen , Laura Heacock
在 arXiv 上查看 ↗ PDF ↗

摘要

基于乳腺X线摄影的深度学习模型改善了乳腺癌风险预测，但学习到的影像模式仍未得到充分探索。现有的可解释性方法依赖于单图像显著性图，无法识别跨大型患者队列的复发性乳腺X线摄影表型。通过对预训练模型Mirai的patch嵌入进行聚类，我们分离了与5年癌症风险相关的复发性表型。分析表明，增加风险的表型捕获了复杂的结构（例如，致密组织、微钙化）和捷径伪影（例如，夹子）。这些表型与年龄较大和更高的BI-RADS密度密切相关。我们的框架将组织模式与AI风险评分联系起来，揭示了临床特征和潜在的潜在模型混杂因素。

关键词

乳腺癌风险 乳腺X线摄影 深度学习 表型聚类 可解释性 Mirai

引用

@article{arxiv.2606.26431,
  title  = {Revealing Mammographic Phenotypes in Deep Learning Breast Cancer Risk Models},
  author = {Ruiyu Jia and Yanqi Xu and Yuxuan Chen and Yiqiu Shen and Laura Heacock},
  journal= {arXiv preprint arXiv:2606.26431},
  year   = {2026}
}