マンモグラフィ画像における乳がん予測のための形状誘導を備えたTransformerベースの深層学習モデル

科学分野:

• 医用画像処理
• 人工知能
• コンピュータビジョン

背景:

• 乳がん研究では、Vision Transformer（ViT）モデルの使用が増加しています。
• ViTにおける注意誘導は、解剖学的構造と腫瘍の不均一性に焦点を当てています。
• 注意誘導に最適なトランスフォーマーエンコーダー層の段階は不明なままです。

研究 の 目的:

• 乳がん検出のためのViTモデルにおける形状誘導戦略を評価すること。
• 注意誘導に最適なエンコーダー層の組み合わせを決定すること。
• 提案されたマスク付きTransformerモデルと従来のモデルを比較すること。

主な方法:

• ViTモデルの注意メカニズムに乳房マスクを適用し、空間依存性を強調しました。
• マスクされたViTモデルとResNet50、ViT、SwinT V2を比較しました。
• 中国マンモグラフィデータベースから2,436枚のマンモグラフィ画像を使用しました。
• 70％のトレーニングと30％の検証分割で3分割交差検証を採用しました。

主要な成果:

• 浅層および深層段階で誘導を適用したマスクされたViTモデルは、受信者操作特性曲線下面積（AUROC）を最大化しました。
• 最良のマスクされたViTモデルは0.885のAUROCを達成し、従来のモデルを上回りました。
• 感度0.876、特異度0.802を達成しました。

結論:

• 形状誘導戦略、特に特定のトランスフォーマーエンコーダー層に適用された場合、ViTモデルの表現学習を強化します。
• マスクされたViTモデルは、乳がん診断のための意思決定支援ツールとして大きな可能性を示しています。
• ViTにおける注意誘導の最適化は、医療画像タスクの診断精度を向上させることができます。