基于深度学习的乳腺X射线影像分类方法研究

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.

关键词：乳腺影像、乳腺肿块、深度学习、医学图像分类

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：广东省自然科学基金2017A030313384;贵州省公共大数据重点实验室开放课题基金2018BDKFJJ001

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：13-19