پژوهش

بررسی کنترل‌شدهٔ ۱۰۸ حالت، اثر وضوح تصویر بر تشخیص توده در ماموگرافی را می‌سنجد

پژوهشگران ۱۸ آشکارساز را در شش وضوح مختلف روی داده‌های VinDr-Mammo آموزش دادند تا اثر وضوح ورودی را جدا از تفاوت‌های معماری و ارزیابی بررسی کنند.

۱ دقیقه مطالعه
Figure 1: Following preprocessing of VinDr-Mammo images, mass detection performances of 18 models are evaluated at six input resolutions. The model–resolution combinations are as listed. Four backbones are combined with
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

آشکارسازهای تودهٔ مبتنی بر یادگیری عمیق معمولاً تصویر ماموگرافی را کوچک می‌کنند تا هزینهٔ محاسباتی کاهش یابد؛ اما این کار ممکن است جزئیات ظریف تصویر را از بین ببرد. پژوهشگران در پیش‌چاپی در arXiv می‌گویند مقایسهٔ مطالعات پیشین روشن نمی‌کند این مصالحه چه اثری بر دقت دارد، چون آن مطالعات از معماری‌ها، پیش‌پردازش‌ها و پروتکل‌های ارزیابی متفاوت استفاده کرده‌اند.

برای جداکردن اثر وضوح، پژوهشگران در داده‌های VinDr-Mammo، ۱۸ آشکارساز را با شش وضوح ورودی از ۵۱۲×۴۱۶ تا ۱۶۰۰×۱۲۸۰ پیکسل آموزش دادند؛ در مجموع ۱۰۸ ترکیب مدل و وضوح بررسی شد. ماموگرام کامل، بدون برش یا تقسیم به قطعه‌های کوچک، تغییر اندازه داده شد. برای هر مدل نیز پیش‌پردازش، مقداردهی اولیه، افزایش داده و روش ارزیابی در همهٔ وضوح‌ها ثابت ماند.

چکیدهٔ در دسترس نتیجهٔ ارزیابی دقت را گزارش نمی‌کند؛ بنابراین از این اطلاعات نمی‌توان گفت افزایش وضوح به چه میزان بر عملکرد آشکارسازها اثر گذاشته است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست