基于Token的双视图融合与大视觉模型自适应用于乳腺癌分类

该论文提出一种以token为中心的双视图学习框架，在冻结的Vision Transformer骨干中统一提示适应和跨视图融合。框架通过专用融合token在CC和MLO视图间进行双向信息交换，并在多个Transformer深度插入融合模块实现渐进式交互。在VinDr-Mammo数据集的BI-RADS分类任务上取得50.40% F1-score和0.8090 AUC，二分类设置中AUC相比双视图融合基线提升0.10。在CMMD数据集上也取得一致改进。消融实验验证了token融合和多深度交互设计的有效性。