.png){kind=icon}
返回
Supervised contrastive pre-training models for mammography screening
.png){kind=icon}
OA
AI
DOI：10.1186/s40537-025-01075-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
乳腺癌目前是全球最致命的癌症。乳腺X光筛查是乳腺癌早期检测和诊断的最有效方法。由于缺乏标注的乳腺X光图像，构建乳腺X光筛查的AI系统通常高度依赖人工设计的图像增强技术，而这些技术在临床场景中并不总是表现出鲁棒性。本文提出了一种新颖的框架：先进行监督对比预训练（Supervised Contrastive Pre-training, SCP），再进行监督微调（Supervised Fine-tuning, SF）（简称SCP+SF）用于乳腺X光筛查。与以往的方法不同，所提出的监督对比预训练不需要数据增强模块。我们将SCP+SF框架应用于两个具有挑战性和重要性的乳腺癌乳腺X光筛查任务：乳腺X光异常筛查和乳腺X光恶性筛查。我们在大规模数据集上的大量实验表明，与传统的直接监督训练方法相比，监督对比预训练（SCP）能显著提升最终模型的性能。与先前报道的State-Of-The-Art方法相比，在两个具有临床意义的乳腺X光筛查任务中，我们取得了更优的AUC、特异性和敏感性结果。我们认为，这项工作是首次证明监督对比预训练（SCP）后接监督微调（SF）能够在这两个关键医学成像任务上超越传统的监督方法。
Keyword:
Breast cancer
Mammography screening
Supervised contrastive pre-training
期刊
IF:
6.4
论文数:
1.5K
被引数:
1.1W
机构
引用论文
Multi-modality Contrastive Learning for Sarcopenia Screening from Hip X-rays and Clinical Information基于髋部X射线和临床信息的肌少症筛查多模态对比学习
PREAI
分享收藏分享收藏Ariadne’s Thread: Using Text Prompts to Improve Segmentation of Infected Areas from Chest X-ray Images阿里阿德涅之线：使用文本提示来改善从胸部X光图像中分割感染区域
PREAI
分享收藏A Deep Learning Mammography-based Model for Improved Breast Cancer Risk Prediction.png)
RADIOLOGY
RADIOLOGYIF15.2
PREAI
分享收藏National Performance Benchmarks for Modern Screening Digital Mammography: Update from the Breast Cancer Surveillance ConsortiumRADIOLOGY
OAAI
RADIOLOGYIF15.2
OAAI分享收藏
查看更多内容