VinDr-Mammo
PulseAugur coverage of VinDr-Mammo — every cluster mentioning VinDr-Mammo across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LoRSA框架增强生物医学视觉模型泛化能力
研究人员开发了LoRSA，一种新颖的参数高效微调框架，旨在提高视觉基础模型在生物医学任务中的泛化能力。该方法联合学习一个用于全局任务适应的密集低秩分量和一个用于局部残差校正的动态结构化稀疏低秩分量。在DINOv3-Base用于乳腺密度分类的实验中，LoRSA在外部域泛化方面表现优越，在未见过的数据集上优于竞争方法。
-
新AI方法改进乳腺X线摄影病变分类
研究人员开发了一种新的区域接地视觉语言学习方法，用于对乳腺X线摄影病变进行分类。该方法将病变特定特征与临床描述符对齐，并结合辅助病变检测头，以提高空间敏感性和定位感知恶性肿瘤分类。在CBIS-DDSM和VinDr-Mammo数据集上的实验表明，在各种学习设置下，其性能优于现有方法。
-
新框架通过双视角乳腺X线摄影融合增强乳腺癌分类
研究人员开发了一种新颖的以Token为中心的框架，通过有效融合头尾（CC）和内侧斜位（MLO）视图的信息来改进乳腺X线摄影图像的乳腺癌分类。该方法利用冻结的视觉Transformer骨干网络，并将视图间交互重新构建为结构化的Token级通信，专用的融合Token促进了跨多个Transformer深度的双向信息交换。在VinDr-Mammo数据集上的实验显示，与现有的融合基线相比，BI-RADS评估的二元分类AUC提高了0.10，取得了显著的改进。
-
新的AEGIS架构利用Vision Transformer增强乳腺摄影分析
研究人员开发了AEGIS，一种新颖的用于乳腺摄影的联合嵌入预测架构，它利用了Vision Transformer的变体。AEGIS在一个来自多个临床站点的庞大数据集上进行了训练，在检测乳腺癌和评估乳腺密度方面表现出色。该架构在跨人群可转移性方面也显示出潜力，VinDr-Mammo数据集上的表现证明了这一点。
-
新AI框架MammoRG改进乳腺钼靶报告生成
研究人员开发了MammoRG，一个用于生成乳腺钼靶报告的新框架，该框架整合了先前的临床知识并模拟了诊断工作流程。与以往仅关注视觉到文本映射的方法不同，MammoRG采用了两阶段训练过程和面向术语的微调，以提高临床一致性。该系统还包括用于解析和评估生成报告的MammoRGTool，在多个临床疗效指标上表现优越。