Lesion Localization in Digital Breast Tomosynthesis with Deformable Transformers by Using 2.5D Information

QC 20240521
In this study, we adapted a transformer-based method to localize lesions in digital breast tomosynthesis (DBT) images. Compared with convolutional neural network-based object detection methods, the transformer-based method does not require non-maximum suppression postprocessing. Integrated deformable convolution detection transformers can better capture small-size lesions. We added transfer learning to tackle the issue of the lack of annotated data from DBT. To validate the superiority of the transformer-based detection method, we compared the results with deep-learning object detection methods. The experimental results demonstrated that the proposed method performs better than all comparison methods.

Fan, TianyuKTH,Medicinteknik och hälsosystem(Swepub:kth)u1b3r495 (författare)
Smedby, Örjan,Professor,1956-KTH,Medicinsk avbildning(Swepub:kth)u1vc2uzb (författare)
Moreno, Rodrigo,1973-KTH,Medicinsk avbildning(Swepub:kth)u1osc58y (författare)
KTHMedicinsk avbildning (creator_code:org_t)

Ingår i:Medical Imaging 2024: Computer-Aided Diagnosis: SPIE-Intl Soc Optical Eng

Av författaren/redakt...: Yang, Zhikai; Fan, Tianyu; Smedby, Örjan, P ...; Moreno, Rodrigo, ...

Om ämnet

MEDICIN OCH HÄLSOVETENSKAP: MEDICIN OCH HÄLS ...; och Klinisk medicin; och Radiologi och bi ...

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.