Attention-Guided Erasing: A Novel Augmentation Method for Enhancing Downstream Breast Density Classification

要約

乳房密度の評価は、乳がんのスクリーニングにおいて、特に高密度の乳房組織の割合が高い集団において非常に重要です。
この研究では、ベトナム人コホートにおける BI-RADS 勧告に従って、マンモグラフィーにおける 4 つの異なる乳房濃度カテゴリーの下流分類を強化するために考案された、注意誘導消去 (AGE) と呼ばれる新しいデータ拡張技術が導入されています。
提案された手法は、自己教師あり DINO 手法を使用してトレーニングされたビジョン トランスフォーマー バックボーンから導出された視覚的注意マップを利用して、転移学習中に補足情報を統合します。
これらのマップは、マンモグラム画像内の背景領域を消去するために利用され、密度の高い乳房組織の潜在的な領域のみがネットワークに明らかになります。
さまざまなランダム確率を使用した転移学習中に AGE を組み込むことにより、AGE と従来のランダム消去変換を使用しないシナリオと比較して、分類パフォーマンスを常に上回りました。
公開されている VinDr-Mammo データセットを使用して方法論を検証します。
具体的には、平均 F1 スコア 0.5910 を達成し、AGE なしのシナリオとランダム消去 (RE) ありのシナリオに対応する値 0.5594 および 0.5691 をそれぞれ上回りました。
この優位性は t 検定によってさらに実証され、p 値が p<0.0001 であることが明らかになり、我々のアプローチの統計的有意性が強調されています。

要約(オリジナル)

The assessment of breast density is crucial in the context of breast cancer screening, especially in populations with a higher percentage of dense breast tissues. This study introduces a novel data augmentation technique termed Attention-Guided Erasing (AGE), devised to enhance the downstream classification of four distinct breast density categories in mammography following the BI-RADS recommendation in the Vietnamese cohort. The proposed method integrates supplementary information during transfer learning, utilizing visual attention maps derived from a vision transformer backbone trained using the self-supervised DINO method. These maps are utilized to erase background regions in the mammogram images, unveiling only the potential areas of dense breast tissues to the network. Through the incorporation of AGE during transfer learning with varying random probabilities, we consistently surpass classification performance compared to scenarios without AGE and the traditional random erasing transformation. We validate our methodology using the publicly available VinDr-Mammo dataset. Specifically, we attain a mean F1-score of 0.5910, outperforming values of 0.5594 and 0.5691 corresponding to scenarios without AGE and with random erasing (RE), respectively. This superiority is further substantiated by t-tests, revealing a p-value of p<0.0001, underscoring the statistical significance of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google