arXiv cs.AI· Solveig Thrun, Zijun Sun, Suaiba A. Salahuddin, Kristoffer Wickstr{\o}m, Elisabeth Wetzer, Stine Hansen, Robert Jenssen, Michael Kampffmeyer·· 3 天前AI 评分20
FlexLMV-Net：显式对齐的多视角乳腺癌风险预测框架
Explicitly Aligned Multi-View Breast Cancer Risk Prediction from Variable-Length Screening Histories
AI 导读
FlexLMV-Net 是一个乳腺级别的纵向多视角框架，可联合建模 CC 与 MLO 视角并显式对齐纵向特征图，支持可变数量的历史筛查检查。在 EMBED 和 CSAW-CC 数据集上，该模型在乳腺密度、癌症亚型及人口统计亚组上均优于现有方法。研究同时开源了统一单/多时间点风险预测模型预处理、训练、推理与评估协议的基准。
正文 · AI 翻译
摘要：基于筛查乳腺 X 线摄影的准确乳腺癌风险预测对于改进风险分层和个性化筛查至关重要。它可以受益于纵向检查中乳腺组织的时间变化以及头尾位（CC）和内外侧斜位（MLO）视图提供的互补解剖信息。利用纵向信息需要识别不同检查之间对应的组织区域，然而大多数方法依赖隐式特征对齐，而没有显式地强制空间一致性。近期工作已证明显式时间对齐的优势；然而，现有方法独立地对每个视图建模，使其无法利用互补的 CC 和 MLO 信息。此外，显式方法仅限于单次既往检查。为填补这些空白，我们提出（this http URL），一个乳腺级别的纵向多视图框架，可联合建模筛查检查中的 CC 和 MLO 视图，同时适应可变数量的既往检查。FlexLMV-Net 显式对齐纵向特征图，并通过跨视图时间融合和双流注意力模块整合互补视图。在 EMBED 和 CSAW-CC 上评估，FlexLMV-Net 在乳腺密度、癌症亚型和人口统计学亚组方面始终优于现有方法，凸显了显式纵向对齐、多视图建模以及灵活利用可用筛查历史的优势。我们进一步推出（this http URL），一个开源基准，在标准化预处理、训练、推理和评估协议下统一了最先进的单时间点和多时间点乳腺癌风险预测模型，从而能够对现有方法进行公平且可复现的比较。
| Subjects: | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.16329 [cs.CV] |
| （或 arXiv:2610.16329v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16329 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Solveig Thrun [查看电子邮件]
[v1]
2026年10月12日星期一 07:47:42 UTC（16,176 KB）
来源：arXiv cs.AI · arxiv.org