Key points are not available for this paper at this time.
유방 촬영 리스크 점수 산정은 일반적으로 유방 촬영 이미지에서 수공예로 만든 특성 집합을 추출하고, 반응을 유방암 리스크와 직접 또는 간접적으로 연관시키는 방식으로 자동화되었습니다. 우리는 레이블이 없는 데이터에서 특성 계층을 학습하는 방법을 제시합니다. 학습된 특성을 간단한 분류기에 입력할 때 두 가지 작업을 수행할 수 있습니다: i) 유방 밀도 분할, ii) 유방 촬영 질감 점수 산정. 제안된 모델은 여러 스케일에서 특성을 학습합니다. 모델의 용량을 제어하기 위해 평생 및 인구 밀도를 포함하는 새로운 희소성 정규화를 도입하였습니다. 우리는 세 가지 다른 임상 데이터 세트에서 우리의 방법을 평가했습니다. 우리의 최첨단 결과는 학습된 유방 밀도 점수가 수동으로 측정한 점수와 매우 강한 양의 상관관계를 가짐을 보여주며, 학습된 질감 점수가 유방암의 예측에 유용함을 나타냅니다. 이 모델은 적용이 쉽고 많은 다른 분할 및 점수 산정 문제에 일반화될 수 있습니다.
Kallenberg et al. (Thu,)는 이 질문을 연구했습니다.