🔥 今日值得一读
微超声前列腺癌检测新突破！测试时解剖对齐让AUC提升3.6%，跨中心泛化稳了！
Learning Prostate Anatomy at Test Time for Cancer Detection in Micro-Ultrasound
👨💼 主理人解读 · 为什么值得关注
适应不同临床中心的图像分布，提升跨域前列腺癌检测性能。
📖 AI 总结
该研究提出了一种名为ANT的测试时自适应框架，用于解决微超声图像中前列腺癌检测面临的跨中心域偏移问题。与现有仅关注图像统计差异的自适应方法不同，ANT通过引入冻结的分割网络生成伪掩膜，在测试阶段执行辅助的前列腺分割任务，使预训练的癌症检测编码器能够对齐目标域的解剖结构，从而在纠正特征漂移的同时保留癌症判别信息。模型在693例早期设备患者数据上训练，并在118例新型设备跨中心数据上评估，采用留一中心法保证公平比较。结果显示，ANT在活检核心和患者层面分别将平均AUC提升了2.9%和3.6%，优于现有测试时自适应基线。该方法强调了在域自适应中融入解剖结构先验的重要性，为医学影像跨设备部署提供了可行方案。
🔑 关键词速览
| Domain shift | 域偏移，指不同数据分布（如不同医院或设备）导致的模型性能下降。 |
| Test-time adaptation (TTA) | 测试时适应，在推理阶段调整模型以适应新数据分布的技术。 |
| Micro-ultrasound | 微超声，一种高分辨率超声成像技术，用于前列腺癌检测。 |
| Segmentation-guided | 分割引导，利用分割任务（如器官分割）来辅助主任务（如癌症检测）的方法。 |
| AUC | 曲线下面积，衡量分类模型性能的指标，值越高表示性能越好。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅