基于深度学习的乳腺钼靶图像分类方法研究进展
包昌宇1
彭俊川1
胡楚婷2
简文静2
王先明2
刘维湘1
1.深圳大学医学部生物医学工程学院,深圳518055;广东省医学信息检测与超声成像重点实验室,深圳518060;医学超声关键技术国家地方联合工程实验室,深圳5180602.深圳市第二人民医院,深圳大学医学部第一附属医院甲乳外科,深圳518035
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.
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
分类号：R318(医用一般科学)
资助基金：深圳市科技应用示范项目(KJYY20170724100440556)
论文发表日期：2020-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：6( 208-213 )
英文信息