Masked Video Modeling with Correlation-aware Contrastive Learning for Breast Cancer Diagnosis in Ultrasound

要約

乳がんは、女性のがん死亡の主な原因の一つです。乳房超音波検査（US）の映像は、乳房スクリーニングの主要な出力として、がん診断のための特別な動的情報を含んでいます。しかし、映像解析のためのモデル学習は、膨大なデータセットを必要とし、またアノテーションにもコストがかかるため、容易ではありません。さらに、乳房病変の診断には、クラス間の類似性やクラス内のばらつきといったユニークな課題がある。本論文では、乳がん診断にUSビデオを直接利用する先駆的なアプローチを提案する。本アプローチでは、データセットサイズと詳細なアノテーションへの依存を軽減するために、プリトラニングとしてマスク映像モデリングを利用する。さらに、良性病変と悪性病変の内外の関係の特定を容易にするために、相関を考慮した対比損失を開発する。実験結果より、提案手法は有望な分類性能を達成し、他の最先端手法を凌駕することができることが示された。

要約(オリジナル)

Breast cancer is one of the leading causes of cancer deaths in women. As the primary output of breast screening, breast ultrasound (US) video contains exclusive dynamic information for cancer diagnosis. However, training models for video analysis is non-trivial as it requires a voluminous dataset which is also expensive to annotate. Furthermore, the diagnosis of breast lesion faces unique challenges such as inter-class similarity and intra-class variation. In this paper, we propose a pioneering approach that directly utilizes US videos in computer-aided breast cancer diagnosis. It leverages masked video modeling as pretraning to reduce reliance on dataset size and detailed annotations. Moreover, a correlation-aware contrastive loss is developed to facilitate the identifying of the internal and external relationship between benign and malignant lesions. Experimental results show that our proposed approach achieved promising classification performance and can outperform other state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL