論文の概要: Attend what matters: Leveraging vision foundational models for breast cancer classification using mammograms

• arxiv url: http://arxiv.org/abs/2604.19350v1
• Date: Tue, 21 Apr 2026 11:33:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.742096
• Title: Attend what matters: Leveraging vision foundational models for breast cancer classification using mammograms
• Title（参考訳）: 乳がん分類におけるマンモグラフィーを用いた視覚基盤モデルの活用
• Authors: Samyak Sanghvi, Piyush Miglani, Sarvesh Shashikumar, Kaustubh R Borgavi, Veenu Singla, Chetan Arora,
• Abstract要約: Vision Transformers $(texttViT)$は、多くのコンピュータビジョンタスクにおいて選択のアーキテクチャとなっているが、コンピュータ支援診断におけるパフォーマンスは依然として限られている。 これらの課題を克服するための3つの重要なコンポーネントを持つフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.3270884309707878
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vision Transformers $(\texttt{ViT})$ have become the architecture of choice for many computer vision tasks, yet their performance in computer-aided diagnostics remains limited. Focusing on breast cancer detection from mammograms, we identify two main causes for this shortfall. First, medical images are high-resolution with small abnormalities, leading to an excessive number of tokens and making it difficult for the softmax-based attention to localize and attend to relevant regions. Second, medical image classification is inherently fine-grained, with low inter-class and high intra-class variability, where standard cross-entropy training is insufficient. To overcome these challenges, we propose a framework with three key components: (1) Region of interest $(\texttt{RoI})$ based token reduction using an object detection model to guide attention; (2) contrastive learning between selected $\texttt{RoI}$ to enhance fine-grained discrimination through hard-negative based training; and (3) a $\texttt{DINOv2}$ pretrained $\texttt{ViT}$ that captures localization-aware, fine-grained features instead of global $\texttt{CLIP}$ representations. Experiments on public mammography datasets demonstrate that our method achieves superior performance over existing baselines, establishing its effectiveness and potential clinical utility for large-scale breast cancer screening. Our code is available for reproducibility here: https://aih-iitd.github.io/publications/attend-what-matters
• Abstract（参考訳）: Vision Transformers $(\texttt{ViT})$は、多くのコンピュータビジョンタスクにおいて選択のアーキテクチャとなっているが、コンピュータ支援診断における性能は依然として限られている。 マンモグラフィーによる乳癌検診を中心に,この不足の原因を2つ同定した。 第一に、医用画像は小さな異常で高分解能であり、過剰なトークン数をもたらし、ソフトマックスに基づく注意が局所化し、関連する領域への参加を困難にしている。 第二に、医用画像分類は本質的に細粒度であり、標準のクロスエントロピートレーニングが不十分なクラス間およびクラス内変動が低い。 これらの課題を克服するために、(1)関心の領域$(\textt{RoI})$ベースのトークン還元をオブジェクト検出モデルで誘導する、(2)選択された$\textt{RoI}$間の対比学習により、ハードネガティブなベーストレーニングによるきめ細かい識別が向上する、(3)$\textt{DINOv2}$事前学習された$\texttt{ViT}$グローバルな$\textt{CLIP}$表現の代わりに、ローカライゼーションを意識した、きめ細かい機能をキャプチャするフレームワークを提案する。 公的マンモグラフィーデータセットを用いた実験により,本手法は既存のベースラインよりも優れた性能を示し,大規模乳癌検診の有効性と臨床応用の可能性が確認された。 私たちのコードはここで再現可能である。 https://aih-iitd.github.io/publications/attend-what-matters。

関連論文リスト

• Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
  マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。 T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。 本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
  論文  参考訳（メタデータ） (2026-04-01T14:50:18Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Seeing the Trees for the Forest: Rethinking Weakly-Supervised Medical Visual Grounding [45.248265283405004]
  現在のモデルは、非効率な注意機構ときめ細かいトークン表現の欠如により、テキスト記述と病気領域を関連付けるのに苦労している。 本稿では、VLMの説明可能性マップを用いて、適切な画像特徴を識別する病原体認識プロンプト(DAP)を提案する。 DAPは3つの主要な胸部X線データセットの最先端手法と比較して、視覚的接地精度を20.74%向上させる。
  論文  参考訳（メタデータ） (2025-05-21T05:16:45Z)
• Pathological Prior-Guided Multiple Instance Learning For Mitigating Catastrophic Forgetting in Breast Cancer Whole Slide Image Classification [50.899861205016265]
  乳癌のWSI分類における破滅的忘れを緩和する新しい枠組みであるPaGMILを提案する。 私たちのフレームワークでは、共通のMILモデルアーキテクチャに2つの重要なコンポーネントを導入しています。 複数の乳がんデータセットを対象としたPaGMILの連続学習性能の評価を行った。
  論文  参考訳（メタデータ） (2025-03-08T04:51:58Z)
• Mammo-Clustering: A Multi-views Tri-level Information Fusion Context Clustering Framework for Localization and Classification in Mammography [13.581151516877238]
  マンモグラフィー画像は通常、非常に高解像度で、病変はごく小さな領域のみを占める。 ニューラルネットワークのダウンサンプリングは、マイクロ石灰化や微妙な構造が失われることを容易に引き起こす。 本稿では,三重情報融合を用いたコンテキストクラスタリングネットワークを提案する。
  論文  参考訳（メタデータ） (2024-09-23T10:17:13Z)
• Attention-Map Augmentation for Hypercomplex Breast Cancer Classification [6.098816895102301]
  本稿では,乳がん分類の問題点を克服する枠組みとして,パラメータ化ハイパーコンプレックス・アテンション・マップ(PHAM)を提案する。 フレームワークには2つの大きな利点がある。まず注意マップがROIに関する重要な情報を提供し、ニューラルネットワークがそれに集中できるようにする。 私たちは、注目に基づく最先端のネットワークと、我々のアプローチの真の価値を超越しています。
  論文  参考訳（メタデータ） (2023-10-11T16:28:24Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Weakly-supervised High-resolution Segmentation of Mammography Images for Breast Cancer Diagnosis [17.936019428281586]
  がん診断において、入力画像の出力に責任のある領域を局在させることにより、解釈可能性を実現することができる。 本稿では,高解像度画像の弱教師付きセグメンテーションを実現するニューラルネットワークアーキテクチャを提案する。 乳がん検診にマンモグラフィーを用いて適用し, 大規模臨床応用データセットで検証した。
  論文  参考訳（メタデータ） (2021-06-13T17:25:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。