一个对齐和推算网络 (AINet) 用于乳腺癌诊断与多模多视图超声图像
IEEE transactions on medical imaging
|October 24, 2025
概括
这项研究引入了用于使用超声波图像诊断乳腺癌的对齐和推算网络 (AINet). AINet有效地处理缺失的数据,提高诊断准确性和临床适用性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 对于乳腺癌诊断的深度学习模型通常与多模式,多视图超声数据作斗争.
- 现有的方法无法捕捉跨模式和跨视图交互,并且对缺失的数据不稳定.
研究的目的:
- 开发一个新的深度学习网络,AINet,通过多式多视图超声波图像改进乳腺癌诊断.
- 解决现有模型在处理缺失的模式或观点方面的局限性.
主要方法:
- 拟议的AINet整合了对齐和归算预训练与层次融合微调.
- 交叉模式的对比学习对齐特征,而随机掩盖和归算模拟缺失的数据场景.
- 层次的融合微调包括模式级和视图级的融合.
主要成果:
- 在3个数据集 (15,223名受试者) 上,AINet表现出与最先进的方法相比显著的性能改善.
- 该网络在处理缺失的模式和观点方面表现出了特别的稳定性.
- 实验结果验证了拟议的对齐和归算策略的有效性.
结论:
- AINet提供了一个强大的解决方案,用于乳腺癌诊断,使用多模式,多视图超声数据.
- 该模型处理缺失数据的能力提高了其对现实世界的临床应用的潜力.
