基于深度学习的乳腺钼靶图像分类方法研究进展

• 作者: 刘维湘 包昌宇 彭俊川 王先明 简文静 胡楚婷
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 乳腺肿瘤 钼靶 计算机辅助诊断系统 图像分类 深度学习 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 综述
• 页码范围: 208-213
• 页数: 6页
• 分类号: R318
• 字数: 5651字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2020.02.19

摘要

钼靶检查是当前临床诊断乳腺肿瘤的常规手段,患者痛苦相对较小、简便易行、分辨率高、可重复性好.为了提高诊断效率,减小误诊风险,针对乳腺钼靶图像开发基于人工智能的计算机辅助诊断系统(computer-aided diagnosis,CAD)显得尤为重要.传统的分类方法需要使用大量的手工特征,而深度学习能够自动从数据中学习特征,避免了传统算法中人工设计、提取特征的复杂性和局限性.我们从感兴趣区域和全图两个方面对近年来基于深度学习的乳腺钼靶图像分类方法研究进展予以综述和展望.调研发现深度学习在乳腺钼靶图像分类方面展示了不错的效果,其中基于深度卷积神经网络的分类方法已经成为当下的热门技术.