Breast ultrasound imaging

新的ProtoCAM框架改进了少样本乳腺病变分类

研究人员开发了ProtoCAM，一个新颖的可解释少样本学习框架，专门用于超声影像中的乳腺病变分类。该方法集成了掩码引导特征编码和原型度量学习，以在有限的训练数据下提高分类准确性。在BUSI数据集上的评估显示，ProtoCAM在3路5样本设置下达到了0.910的宏观F1分数，使用ResNet18作为骨干网络在15样本配置下达到了91.65%的准确率，并提供了可解释的诊断决策见解。