Adarsh Bhandary Panambur Prathmesh Madhu Andreas Maier

摘要

在常规乳腺X线筛查中自动识别腔面型（luminal）与非腔面型（non-luminal）亚型，有助于临床医生优化乳腺癌治疗方案的制定。近年来，机器学习技术在乳腺X线影像中的分子亚型分类任务中展现出良好前景，但现有方法高度依赖像素级标注以及人工设计的影像组学（radiomic）特征。本研究首次探索了仅使用图像级标签训练全幅乳腺X线影像进行腔面型亚型分类的可行性。我们采用迁移学习策略，从乳腺异常分类任务中预训练模型，并将其微调用于基于ResNet-18的腔面型与非腔面型亚型分类任务。我们在公开可用的CMMD数据集上展示了实验结果，并进行了对比分析。所提出方法在测试集上取得了0.6688的平均AUC分数和0.6693的平均F1分数，显著优于基线分类器。该性能提升具有统计学显著性，p值小于0.0001。