PulseAugur
中
实时 09:18:31
English(EN) Token-Based Dual-view Fusion and Adaptation of Large Vision Models for Breast Cancer Classification

新框架融合乳腺钼靶视图以改进乳腺癌分类 · 跟踪到2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的以令牌为中心的框架，用于整合来自不同乳腺钼靶视图（CC和MLO）的信息，以改进乳腺癌分类。该方法使用专用的融合令牌，在冻结的视觉 Transformer 中促进视图之间的结构化、多深度通信，从而增强了跨视图依赖关系的表示。在 VinDr-Mammo 数据集上的实验表明，与现有的基线相比，F1 分数和 AUC 有显著提高，特别是在 BI-RADS 分类方面。 AI

影响 这项研究可能带来更准确的 AI 驱动的乳腺癌诊断工具，从而改善早期检测和患者预后。

排序理由 该集群包含一篇学术论文，详细介绍了用于特定分类任务的 AI 模型自适应和融合的新方法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架融合乳腺钼靶视图以改进乳腺癌分类 · 跟踪到2个来源

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Aysan Ghayouri Pirsoltan, Shima Babakordi, Mohammad Reza Mohammadi ·

    Token-Based Dual-view Fusion and Adaptation of Large Vision Models for Breast Cancer Classification

    arXiv:2607.06309v1 Announce Type: cross Abstract: Accurate breast cancer classification from mammography requires effective integration of complementary information from craniocaudal (CC) and mediolateral oblique (MLO) views, which provide a more complete characterization of brea…

  2. arXiv cs.AI TIER_1 English(EN) · Mohammad Reza Mohammadi ·

    用于乳腺癌分类的大型视觉模型的基于令牌的双视图融合与自适应

    Accurate breast cancer classification from mammography requires effective integration of complementary information from craniocaudal (CC) and mediolateral oblique (MLO) views, which provide a more complete characterization of breast abnormalities. However, existing multi-view lea…

相关实体

相关话题