基于深度卷积神经网络的乳腺钼靶筛查

• 作者: 史晓林 孙泽宇 张姗姗 朱延武 赵地 郭建飞
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 深度学习 乳腺钼靶图像 医学图像识别 神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 特别专题-人工智能在医学领域的研究与应用
• 页码范围: 62-65
• 页数: 4页
• 分类号: R319|TP391
• 字数: 2458字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2019.03.018

摘要

乳腺钼靶X线摄影检查是乳腺癌的筛查与诊断的重要手段之一,临床上应用广泛.随着计算机技术的发展,通过计算机算法实现对乳腺钼靶图像的自动诊断可以有效缓解医疗压力,提高诊断精度.在此基础上,通过对乳腺钼靶图像的分析,提出了一种基于深度学习的乳腺钼靶图像自动诊断方法.首先通过采样制作的切块数据集训练了一个识别乳腺钼靶中良恶性肿块及钙化病灶的多分类网络,之后使用训练好的网络实现对整张图像的遍历识别,最终返回良恶性肿块及钙化的预测概率热图.结果表明,本文算法对于切块数据的识别精度可以达到93％左右,生成的预测概率热图可以对医生提供较大的帮助.