arXiv · 07.07.2026 ·Исследования и наука

Новый метод анализа маммограмм на основе токенов для диагностики рака груди

Исследователи представили метод Token-Based Dual-view Fusion (TBDF) для классификации рака молочной железы по маммограммам. Подход объединяет данные двух проекций — краниокаудальной (CC) и медиолатеральной косой (MLO) — через механизм токенизированной адаптации больших визуальных моделей. Это позволяет эффективнее выявлять патологии, избегая потери контекста, характерной для традиционных методов агрегации признаков на уровне векторов.

Традиционные подходы к анализу медицинских изображений часто ограничиваются одноэтапным кросс-вниманием, что приводит к смешиванию признаков и потере специфических деталей каждой проекции. Новый метод использует адаптивные блоки, которые позволяют модели динамически фокусироваться на наиболее значимых участках обоих видов снимков. Такая архитектура обеспечивает более точную интерпретацию сложных морфологических изменений тканей.

Применение больших визуальных моделей в медицине требует высокой точности при работе с мультимодальными или многоракурсными данными. Использование токенов в качестве базовых единиц для слияния информации позволяет модели лучше сохранять пространственные зависимости, что критически важно для раннего обнаружения новообразований. Метод демонстрирует потенциал для повышения качества автоматизированной диагностики в клинической практике.

Ключевые факты

Метод TBDF использует токенизированную адаптацию для интеграции данных CC и MLO проекций маммографии.
Архитектура решает проблему «запутывания» признаков, возникающую при стандартной агрегации на уровне векторов.
Подход направлен на повышение точности классификации злокачественных образований в клинических условиях.
Исследование базируется на принципах адаптации предобученных больших визуальных моделей (LVM) для узкоспециализированных медицинских задач.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука Сравнение foundation-моделей и радиомики в диагностике рака легких Исследователи провели комплексный бенчмарк, сравнивающий эффективность современных foundation-моделей и классических методов радиомики при анализе компьютерной томографии легких. Работа выявляет вклад отдельных компонентов — экстракторов признаков, классификаторов и методов сегментации — в точность диагностики, а также оценивает устойчивость моделей при работе с данными из разных медицинских когорт, что критически важно для клинического внедрения ИИ. arXiv · Исследования и наука Метод Token-Sparse для улучшения медицинской диагностики в мультимодальных моделях Исследователи представили метод обучения мультимодальных моделей (VLM), оптимизированный для анализа медицинских изображений. Новый подход использует двухпотоковое обучение с подкреплением (RL) для динамической фильтрации визуальных токенов. Это позволяет модели игнорировать нерелевантные области снимка и фокусироваться на критически важных признаках, что значительно повышает точность клинических решений в условиях дефицита визуальных данных. arXiv · Исследования и наука TRACE: интерпретируемая модель для анализа динамики глиобластомы Исследователи представили модель TRACE — архитектуру типа Concept Bottleneck, предназначенную для оценки ответа глиобластомы на лечение по данным МРТ. В отличие от «черных ящиков», система анализирует изображения через призму клинических критериев RANO 2.0. Это позволяет врачам проверять промежуточные выводы модели, обеспечивая прозрачность диагностики и точность при отслеживании изменений опухоли во времени. arXiv · Исследования и наука TRCGL-Net: новый подход к классификации редких патологий на рентгеновских снимках Исследователи представили архитектуру TRCGL-Net для многоклассовой классификации рентгеновских снимков грудной клетки. Модель решает проблему дисбаланса данных, характерную для медицинской диагностики, где редкие заболевания представлены недостаточно. Система использует генеративную аугментацию и моделирование совместной встречаемости меток, что позволяет повысить точность распознавания патологий, которые ранее игнорировались алгоритмами из-за их низкой частотности в обучающих выборках. arXiv · Исследования и наука Автоматизация стадирования рака по патологическим отчетам с помощью ИИ Исследователи представили систему CaresAI для автоматического определения стадии рака по классификации TNM (опухоль, узлы, метастазы) на основе анализа патологических отчетов из базы The Cancer Genome Atlas. Решение использует комбинацию классических методов машинного обучения и глубоких нейронных сетей, преобразуя медицинские тексты в структурированные данные для многоклассовой классификации, что значительно ускоряет обработку клинической документации. arXiv · Исследования и наука Новый датасет для ИИ-диагностики рака молочной железы на основе цитологии Исследователи представили многоцентровой набор данных для обучения ИИ-моделей классификации цитологических снимков молочной железы. Датасет включает 470 полноразмерных слайдов (WSI) от 321 пациента, классифицированных по международной системе категорий от C1 до C5. Материалы собраны в индийских медицинских центрах и предназначены для обучения алгоритмов пофрагментной (patch-wise) диагностики патологий. arXiv · Машинное обучение Автоматизация классификации опухолей в онкологических реестрах с помощью MIL Исследователи представили метод обучения моделей на основе Multiple Instance Learning (MIL) для классификации групп опухолей в патологоанатомических отчетах. Решение позволяет эффективно использовать данные онкологических реестров, где экспертные метки привязаны к пациенту, а не к конкретным фрагментам текста, что решает проблему дефицита размеченных на уровне отчетов данных для обучения глубоких нейросетей. arXiv · Машинное обучение Новый метод улучшает восстановление 3D МРТ-изображений Исследователи предложили новый подход к восстановлению 3D МРТ-изображений, который сначала восстанавливает семантику, а затем генерирует изображения. Это позволяет значительно улучшить качество синтеза при работе с многоконтрастной магнитно-резонансной томографией (МРТ). arXiv · Исследования и наука Новый метод топологического анализа для диагностики аневризм головного мозга Исследователи предложили новый метод автоматического обнаружения внутричерепных аневризм на снимках КТ-ангиографии, решающий проблему высокой частоты ложноположительных результатов. В отличие от стандартных сверточных нейросетей, которые часто путают аневризмы с сосудистыми бифуркациями, предложенный подход использует топологическое представление формы сосудов. Это позволяет значительно повысить точность диагностики, особенно для малых поражений размером менее 3 мм, где традиционные модели показывают низкую чувствительность. arXiv · ИИ в бизнесе Интерпретируемая классификация морфологии сперматозоидов с помощью ИИ Исследователи представили новый подход к автоматизированному анализу мужской фертильности, основанный на глубоком обучении с механизмом внимания. Проблема большинства существующих систем компьютерного зрения в медицине заключается в их «черном ящике» — высокой точности при отсутствии прозрачности принятия решений. Новый метод позволяет не только классифицировать морфологические аномалии сперматозоидов, но и визуально подсвечивать области, на основе которых модель сделала вывод, что критически важно для клинической диагностики.

← Все материалы