Temel Kavramlar
極端なデータの不均衡を解決するためのSIFT-DBTフレームワークの効果的な提案と評価。
Özet
ABSTRACT:
デジタル乳房トモシンセシス(DBT)は乳がんスクリーニングおよび診断に広く使用されている医療画像法であり、高い空間分解能と3D様の乳房体積イメージング能力を提供する。
データの増加はデータの不均衡課題を導入し、実世界データ内でケースレベル分布によるデータ不均衡をさらに悪化させ、多数派クラスだけを予測する単純な分類モデルを学習することにつながる。
INTRODUCTION:
DBTは10年以上で強力な画像ツールとして浮上し、乳がん検出において重要な役割を果たしている。
METHOD:
SIFT-DBTフレームワークは自己監督学習パラダイムとローカルマルチパッチファインチューニング方法から成り立っており、異常スライスおよび体積検出に対応している。
EXPERIMENTS:
BCS-DBTデータセットを使用し、複数の基準値と比較して我々の手法が優れた性能を示すことが確認された。
DISCUSSION AND CONCLUSION:
SIFT-DBTフレームワークは極端なデータ不均衡に対処するための効果的な方法であり、放射科医の作業効率向上や高リスクスキャンの迅速な識別に貢献する可能性がある。
İstatistikler
提案手法は970件の一意の研究評価で92.69%体積別AUCを達成した。