基于改进DenseNet的乳腺钼靶肿块分类方法

摘要：

乳腺X线摄影技术是目前乳腺癌早期发现和诊断的重要手段.然而乳腺X线图像中肿块边缘模糊,分类相对困难,因此提升乳腺肿块的诊断精度从而及早预防和治疗仍是医学领域的一大挑战.针对乳腺肿块的特点,提出了一种结合密集卷积神经网络(DenseNet)和压缩激励(SE)模块的新网络(DSAMNet),该网络融合了二者优势,既加强特征重用,又实现特征提取过程中的特征重标定.根据SE模块嵌入DenseNet的不同位置,提出了模型SE-DenseNet-A、SE-DenseNet-B和SE-DenseNet-C.对SE-DenseNet的池化函数进行改进,提出了模型DSAMNet-A、DSAMNet-B和DSAMNet-C.综合不同结构和不同深度的网络模型在公开数据集CBIS-DDSM上进行训练和测试.实验结果表明,DSAMNet-B有更加优异的性能,其准确率比DenseNet模型的准确率提高了10.8％,AUC达到了0.929.

关键词：乳腺钼靶图像、计算机辅助诊断、卷积神经网络、图像分类、DenseNet

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：山西省自然科学基金;山西省自然科学基金;山西省重点研发项目

在线出版日期：2022-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：270-277