Check and Link: Pairwise Lesion Correspondence Guides Mammogram Mass Detection

要約

乳がんの発生率と死亡率が高いため、マンモグラムで質量を検出することは重要です。
マンモグラムの質量検出では、ペアワイズ病変対応を明示的にモデル化することが特に重要です。
ただし、既存の方法のほとんどは、比較的粗い対応を構築し、対応監視を利用していません。
この論文では、病変検出とペアワイズ対応をエンドツーエンドで学習するための新しいトランスフォーマーベースのフレームワーク CL-Net を提案します。
CL-Net では、View-Interactive Lesion Detector がクロス ビューの候補間で動的な相互作用を実現するために提案されていますが、Lesion Linker は対応監視を使用して相互作用プロセスをより正確に導きます。
これら 2 つの設計を組み合わせることで、マンモグラムのペアワイズ病変対応を正確に理解することができます。
実験では、CL-Net が公開 DDSM データセットと社内データセットで最先端のパフォーマンスを発揮することが示されています。
さらに、低 FPI レジームでは、以前の方法よりも大幅に優れています。

要約(オリジナル)

Detecting mass in mammogram is significant due to the high occurrence and mortality of breast cancer. In mammogram mass detection, modeling pairwise lesion correspondence explicitly is particularly important. However, most of the existing methods build relatively coarse correspondence and have not utilized correspondence supervision. In this paper, we propose a new transformer-based framework CL-Net to learn lesion detection and pairwise correspondence in an end-to-end manner. In CL-Net, View-Interactive Lesion Detector is proposed to achieve dynamic interaction across candidates of cross views, while Lesion Linker employs the correspondence supervision to guide the interaction process more accurately. The combination of these two designs accomplishes precise understanding of pairwise lesion correspondence for mammograms. Experiments show that CL-Net yields state-of-the-art performance on the public DDSM dataset and our in-house dataset. Moreover, it outperforms previous methods by a large margin in low FPI regime.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google