研究：乳腺X线肿块检测中提高输入分辨率主要改善小肿块检出
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载受控实验怎么做的
此前关于乳腺X线肿块检测的公开研究难以判断降采样究竟损失多少精度，因为不同工作在网络结构、预处理和评估协议上各不相同。该研究把变量收敛到输入分辨率一项：在 VinDr-Mammo 数据集上训练 18 个检测器，分辨率取 512×416 到 1600×1280 之间的六档，形成 108 个模型-分辨率组合。整幅乳腺图像直接缩放，不做裁剪也不做切块。对每一个模型，预处理方式、权重初始化、数据增强和评估流程在各档分辨率下保持一致，因此不同分辨率之间的差异可以归因于分辨率本身。
精度提升落在哪里
评估在官方测试划分的 219 张含肿块图像上进行，指标为 mAP50，最终有 57 个组合的测试 mAP50 不低于 0.60 并进入分析。从最低分辨率到最高分辨率，mAP50 中位数由 0.626 提高到 0.660，最佳值由 0.670 提高到 0.709。表现最好的是 DINO 搭配 ConvNeXt-S 主干，这一结果也是目前在该数据集含肿块图像上报告的最高 mAP50。增益分布并不均匀：最小三分之一病灶的中位 mAP50 提升 0.074，从 0.367 升到 0.441，而中等和大型病灶只分别提升 0.007 和 0.032，说明提高分辨率主要帮助的是最难检出的小肿块。
算力代价与适用判断
分辨率提高带来的计算开销有明确数字：训练中位时长从 0.45 小时增加到 1.40 小时，单张图像的推理时间从 23.6 毫秒增加到 113.7 毫秒。作者据此认为，更高输入分辨率换来的主要是小肿块的检出改善，而付出的计算成本仍处于可实际部署的范围。论文已提交 IEEE 审稿，版权可能发生转移，当前版本的可见性不保证长期有效。
为什么值得看
量化了乳腺肿块检测中分辨率与精度的取舍，给出小病灶增益与算力成本的具体数字，对医学影像模型选型有直接参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。