Toward explainable AI approaches for breast imaging: adapting foundation models to diverse populations
Created by
Haebom
Category
Empty
저자
Guilherme J. Cavalcante, Jose Gabriel A. Moreira, Gabriel A. B. do Nascimento, Vincent Dong, Alex Nguyen, Thais G. do Rego, Yuri Malheiros, Telmo M. Silva Filho, Carla R. Zeballos Torrez, James C. Gee, Anne Marie McCarthy, Andrew D. A. Maidment, Bruno Barufaldi
개요
BiomedCLIP을 기반으로 한 모델을 사용하여 유방 영상에서 BI-RADS 유방 밀도 분류의 정확성을 평가하는 연구입니다. 합성 2D 영상, 디지털 유방 촬영술 및 디지털 유방 단층 촬영술을 포함한 다중 모달리티 유방 촬영 데이터를 사용하여, 단일 모달리티 및 다중 모달리티 훈련 방식을 비교했습니다. 가중 대비 학습을 통해 클래스 불균형 문제를 해결했으며, 다중 모달리티 모델이 다양한 영상 모달리티에서 더 넓은 적용 가능성과 높은 AUC 값을 보였습니다. RSNA 및 EMBED 데이터 세트에 대한 외부 검증을 통해 강력한 일반화 성능을 확인했으며, GradCAM 시각화를 통해 모델의 해석 가능성과 견고성을 입증했습니다.
시사점, 한계점
•
시사점:
◦
BiomedCLIP을 활용한 모델이 유방 밀도 분류에 효과적임을 입증했습니다.
◦
다중 모달리티 접근 방식이 다양한 영상 모달리티에 대한 일반화 능력을 향상시켰습니다.
◦
모델의 해석 가능성을 GradCAM 시각화를 통해 확인했습니다.
◦
RSNA 및 EMBED 데이터 세트에서 높은 AUC 값을 기록하며 외부 검증을 통해 일반화 성능을 입증했습니다.
