Core Concepts
本研究では、両視点の情報を特徴レベルで融合することで、乳房X線検査における腫瘤検出の精度を向上させる新しいモデルMAMM-Netを提案する。
Abstract
本論文では、乳房X線検査における腫瘤検出のための新しいモデルMAMM-Netを提案している。従来の手法では、両視点の情報を物体レベルでのみ融合していたが、本手法では特徴レベルでの融合も行うことで、より高精度な検出を実現している。
具体的には以下の通りである:
両視点の特徴マップを融合するFusion Pixel Decoderと、両視点の情報を共有するView-Interactive Transformer Decoderを提案している
Fusion Layerでは、変形可能な注意機構を用いて、効率的に両視点の特徴を融合している
提案手法はDDSMデータセットにおいて、従来手法を上回る性能を示している
本研究の主な貢献は以下の通りである:
両視点の情報を特徴レベルで融合することで、より高精度な腫瘤検出を実現した
変形可能な注意機構を用いたFusion Layerにより、効率的な特徴融合を実現した
DDSMデータセットにおいて、従来手法を上回る性能を示した
Stats
乳がんは女性の主要な死因の1つであり、全女性がんの約12%を占める。
乳房X線検査は乳がんの早期診断に最も広く用いられる検査手段である。
Quotes
"Detection of malignant lesions on mammography images is extremely important for early breast cancer diagnosis."
"Presently, Artificial Intelligence (AI), mostly in the form of computer vision, is extensively utilized for tasks involving the automatic detection of breast cancer features, demonstrating high diagnostic accuracy comparable to or surpassing that of a radiologist."