Bài báo này đánh giá hiệu suất đăng ký hình ảnh MRI vú bằng cách sử dụng mô hình cơ sở được đào tạo trước trên một tập dữ liệu hình ảnh quy mô lớn. Không giống như các nghiên cứu trước đây nhắm vào các vật thể cứng hoặc các cấu trúc tương đối đơn giản (ví dụ: não, các cơ quan bụng), chúng tôi tập trung vào việc đăng ký hình ảnh của mô vú có khả năng biến dạng cao. Sử dụng năm bộ mã hóa được đào tạo trước—Dino-v2, SAM, MedSAM, SSLSAM và MedCLIP—chúng tôi đã thực hiện đăng ký hình ảnh vú trong các điều kiện khác nhau, bao gồm năm, trình tự, phương thức và sự hiện diện của tổn thương, và so sánh hiệu suất của chúng. Kết quả của chúng tôi cho thấy các thuật toán dựa trên mô hình cơ sở, chẳng hạn như SAM, vượt trội hơn các thuật toán hiện có về hiệu suất căn chỉnh vú tổng thể, nhưng lại gặp khó khăn trong việc căn chỉnh các cấu trúc tinh tế của mô xơ. Hơn nữa, chúng tôi nhận thấy rằng việc đào tạo trước hoặc tinh chỉnh bổ sung với hình ảnh y tế hoặc cụ thể về vú không cải thiện hiệu suất và trong một số trường hợp, thực sự làm giảm hiệu suất. Mã này có sẵn công khai.
