基于深度学习的乳腺X射线影像分类方法研究

• 作者: 孙利雷 徐勇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 乳腺影像 乳腺肿块 深度学习 医学图像分类
• 年，卷（期）: 2018,（21）
• 所属期刊栏目: 热点与综述
• 页码范围: 13-19
• 页数: 7页
• 分类号: TP391
• 字数: 6418字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1807-0107

摘要

X射线乳腺影像与自然图像相比,色彩较为单调,且乳腺肿块边缘模糊,良性肿块与恶性肿块纹理相似,区分度较小.基于卷积深度学习网络提出一种适用于X射线乳腺肿块影像分类的方法,主要贡献如下:(1)提出一种提取乳腺影像多个卷积粒度的特征图的方案,分别使用不同尺寸的卷积核来提取不同粒度的卷积特征图,获得更为丰富的乳腺影像特征;(2)将判别方法嵌入到优化模型中,即设计新的目标函数,对分类误差进行差异化放大,从而加大分类错误的惩罚力度,指导模型向着分类错误最小的方向演进.在公开的乳腺X射线影像数据集上进行训练,通过交叉验证,AUC达到0.7129,优于最好的乳腺影像分类方法,具有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙利雷	贵州大学贵州省公共大数据重点实验室	3	10	2.0	3.0