VMRA-MaR：面向纵向乳腺癌风险预测的非对称性感知时序框架
图像与视频处理
2025-06-25 v1 计算机视觉与模式识别
摘要
乳腺癌仍是全球死亡率最高的癌症之一，通常通过定期筛查进行检测。自动化风险预测方法有望通过动态筛查高风险人群来改善这一过程。虽然大多数模型仅关注最新的筛查，但越来越多的人关注利用时序信息来捕捉乳腺组织演变趋势，这受临床实践的启发。早期方法仅使用两个时间点，虽然近期努力尝试使用 Transformer 架构扩展到多个时间点，但仍面临充分发挥纵向影像数据中丰富时序动态能力的挑战。本文提出采用 Vision Mamba RNN (VMRNN) 结合时序状态模型 (SSM) 和类 LSTM 记忆机制，以有效捕捉乳腺组织演变中细微的趋势。为进一步提升，我们引入非对称性模块，利用空间非对称检测器 (SAD) 和纵向非对称跟踪器 (LAT) 来识别临床相关的双侧差异。该集成框架在预测癌症发生方面显示出显著的性能提升，尤其是在更具挑战性的高密度乳腺病例中，能够在更长的时间点（四年和五年）上实现卓越的表现，凸显其在推动早期乳腺癌识别和实现个性化筛查策略方面的潜力。我们的代码已公开于 https://github.com/Mortal-Suen/VMRA-MaR.git。
引用
@article{arxiv.2506.17412,
title = {VMRA-MaR: An Asymmetry-Aware Temporal Framework for Longitudinal Breast Cancer Risk Prediction},
author = {Zijun Sun and Solveig Thrun and Michael Kampffmeyer},
journal= {arXiv preprint arXiv:2506.17412},
year = {2025}
}
备注
MICCAI 2025, Provisional Accept