边界增强像素级多模态声像图融合方法评估良、恶性乳腺肿瘤

摘要：

目的 观察以边界增强多模态乳腺声像图像素级特征融合方法评估良、恶性乳腺肿瘤性质的价值.方法 基于乳腺肿瘤B型声像图提取边界增强图像,于超声弹性复合声像图中提取纯弹性信息图像.对多模态乳腺肿瘤声像图进行像素级特征融合,形成边界特征增强的融合图像,再以卷积神经网络(CNN)进行分类;评估融合方法分类良、恶性乳腺肿瘤的性能,并与单模态方法、特征级融合方法、无边界增强像素级图像融合方法及其他CNN模型进行对比.结果 边界增强像素级特征融合方法有助于CNN提取乳腺肿瘤特征,分类良、恶性乳腺性能最佳,其分类准确率为85.71％,特异度为85.49％,敏感度为86.16％,模型稳定.结论 边界特征增强像素级多模态声像图融合方法可用于判断良、恶性乳腺肿瘤.

关键词：乳腺肿瘤、超声检查、弹性成像技术、神经网络、计算机

所属期刊栏目：39

分类号：R737.9;R445.1(肿瘤学)

资助基金：中国科学院青年创新促进会项目2019024

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：741-745