BUS-M2AE:用于乳房超声波图像分析的多尺度面具自动编码器

科学领域:

• 医学成像医学成像
• 人工智能的人工智能是人工智能.
• 在瘤学瘤学.

背景情况:

• 蒙面自动编码器 (MAE) 通过减少注释需求,在医学图像分析中表现有前途.
• 现有的MAE模型由于不同的瘤大小和形态学而与超声波乳腺瘤图像作斗争.
• 这限制了它们对于准确的乳腺癌诊断的概括性.

研究的目的:

• 开发一种针对超声波乳腺瘤图像量身定制的新型面具自动编码器模型.
• 增强模型在各种瘤尺度和形态学上概括的能力.
• 用超声数据改善乳腺癌的分类和细分.

主要方法:

• 拟议的乳房超声波多尺度蒙面自动编码器 (BUS-M2AE) 模型.
• 在令牌和功能层面实施了多级别的掩盖.
• 利用视觉转换器进行自适应性特征感知.

主要成果:

• BUS-M2AE在乳腺癌分类和瘤细分方面表现出卓越的性能.
• 多尺度掩盖有效地解决了不同瘤大小的一般MAE模型的局限性.
• 性能优于最近的MAE变体和监督学习方法.

结论:

• BUS-M2AE提供了一种有效的解决方案,用于在超声波图像中分析各种乳腺瘤形态.
• 拟议的多尺度掩盖策略增强了MAE在医疗成像任务中的适应性.
• BUS-M2AE具有改善自动化乳腺癌诊断的巨大潜力.