BriefGPT - AI 论文速递
·
基于图的双向 Transformer 决策阈值调整算法用于类别不平衡的分子数据
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
数字乳腺断层摄影（DBT）是一种用于乳腺癌筛查和诊断的医学影像模态。研究提出了一种名为SIFT-DBT的新方法，通过视角级对比自我监督初始化和微调来识别异常DBT图像，并使用基于补丁级的多实例学习方法来保持空间分辨率。该方法在评估中达到了92.69％的卷积AUC。
🎯
关键要点
-
数字乳腺断层摄影（DBT）是一种用于乳腺癌筛查和诊断的医学影像模态。
-
DBT提供更高的空间分辨率和更多的细节，但也带来了数据不平衡的挑战。
-
数据不平衡导致学习到的分类模型往往只预测多数类。
-
为了解决数据不平衡问题，提出了一种名为SIFT-DBT的新方法。
-
SIFT-DBT使用视角级对比自我监督初始化和微调来识别异常DBT图像。
-
该方法还引入了基于补丁级的多实例学习方法以保持空间分辨率。
-
在970个独立研究的评估中，SIFT-DBT达到了92.69%的卷积AUC。
➡️
