用于乳腺超声图像分类的 Vision Transformer
计算机视觉与模式识别
2025-02-13 v3
摘要
医学超声（US）成像因其易用性、低成本和安全性已成为乳腺癌症成像的重要模态。在过去十年中，卷积神经网络（CNNs）已成为视觉应用中的首选方法，并在 US 图像自动分类中展现出极佳潜力。尽管取得成功，其受限的局部感受野限制了学习全局上下文信息的能力。最近，基于图像块间自注意力的 Vision Transformer（ViT）设计已显示出作为 CNNs 替代方案的巨大潜力。在本研究中，我们首次利用 ViT 结合不同增强策略对乳腺 US 图像进行分类。结果以分类准确率和曲线下面积（AUC）指标给出，并与最先进的 CNNs 的性能进行比较。结果表明，ViT 模型在乳腺 US 图像分类中具有与 CNNs 相当甚至更优的效率。
引用
@article{arxiv.2110.14731,
title = {Vision Transformer for Classification of Breast Ultrasound Images},
author = {Behnaz Gheflati and Hassan Rivaz},
journal= {arXiv preprint arXiv:2110.14731},
year = {2025}
}
备注
5 pages, 2 figures, Published in EMBC 2022