Mar, 2024
SIFT-DBT：自训练初始化及微调用于不平衡数字乳钼靶图像分类
SIFT-DBT: Self-supervised Initialization and Fine-Tuning for Imbalanced Digital Breast Tomosynthesis Image Classification
Yuexi Du, Regina J. Hooley, John Lewin, Nicha C. Dvornek
TL;DR数字乳腺断层摄影（DBT）是一种广泛使用的医学影像模态，用于乳腺癌筛查和诊断，通过其类似于 3D 的乳腺体积成像能力提供更高的空间分辨率和更多的细节。然而，增加的数据量也引入了明显的数据不平衡挑战，其中只有一小部分体积包含可疑组织，这进一步加剧了真实世界数据中的案例级分布引起的数据不平衡，并导致学习一个只预测多数类的微不足道的分类模型。为了解决这个问题，我们提出了一种新颖的方法，使用视角级对比自我监督初始化和微调来识别异常 DBT 图像，即 SIFT-DBT。我们进一步引入了一种基于补丁级的多实例学习方法来保持空间分辨率。所提出的方法在 970 个独立研究的评估中达到了 92.69％的卷积 AUC。