基于乳腺超声视频流和自监督对比学习的肿瘤良恶性分类系统OA北大核心CSTPCD
Breast tumor classification based on video stream and self-supervised contrastive learning
乳腺超声广泛应用于乳腺肿瘤诊断,基于深度学习的肿瘤良恶性分类模型可以有效地辅助医生诊断,提高效率,降低误诊率,然而,由于标注数据的高成本问题,限制了此类模型的开发和应用.为此,从乳腺超声视频中构建了无标注预训练数据集,包含11805个目标样本数据和动态生成的正、负样本数据集(样本量分别为188880和1310355个).基于该数据集,搭建了三胞胎网络并进行了自监督对比学习.此外,还发展了 Hard Negative Mining和Hard Pos…查看全部>>
Abstact:Breast ultrasound is widely used in the diagnosis of breast tumors.Deep learning-based tumor benign-malignant classification models effectively assist doctors in diagnosis,improving efficiency and reducing misdiagnosis rates,among other benefits.However,the high cost of annotated data limits the development and application of such models.In this study,we construct an unlabeled pretraining dataset from breast ultrasound videos,which includes 11805 tar…查看全部>>
唐蕴芯;廖梅;张艳玲;张建;陈皓;王炜
南京大学物理学院,南京,210093中山大学附属第三医院超声科,广州,510630中山大学附属第三医院超声科,广州,510630南京大学物理学院,南京,210093||南京大学脑科学研究院,南京,210093杭州精康科技,杭州,310000南京大学物理学院,南京,210093||南京大学脑科学研究院,南京,210093
计算机与自动化
乳腺超声深度学习自监督学习对比学习预训练模型三胞胎网络
breast ultrasounddeep learningself-supervised learningcontrastive learningpre-trained modelTriplet Network
《南京大学学报（自然科学版）》 2024 (1)
基于机器学习的RNA结构预测
26-37,12
国家自然科学基金(11774158)
评论