乳腺鉬靶圖像癌變區(qū)域分類與檢測的深度計算.pdf

1、在乳腺癌診斷過程中，通過分析數(shù)字化乳腺鉬靶圖像中的病變區(qū)域是乳腺最常用的檢查方式之一，乳腺鉬靶圖像通常是利用軟射線穿透乳腺軟組織形成的。然而由于醫(yī)生診斷方式耗時并且?guī)в休^強的主觀性，診斷結果往往具有較強的主觀性，這種由于主觀性帶來的診斷不準確性會給患者帶來不利的影響。計算機輔助診斷系統(tǒng)能夠提供客觀準確的診斷結果，能夠為患者提供準確、定量的輔助分析從而給患者提供更合適的治療方案，減輕醫(yī)生繁重的診斷過程，對醫(yī)生和患者都具有重要的意義。乳腺鉬

2、靶圖像由于簡便、快捷、無痛苦以及價格低廉被廣泛使用。乳腺鉬靶圖像中的癌變區(qū)域具有種類多樣、結構復雜，無一致性的特性，并且正常區(qū)域和癌變區(qū)域在紋理上具有較高的相似性。因此，在乳腺鉬靶圖像中對癌變區(qū)域進行分類、檢測是一項極具挑戰(zhàn)性的工作。
　　針對以上提出的問題，本文提出了基于深度卷積神經(jīng)網(wǎng)絡的乳腺鉬靶圖像中癌變區(qū)域的自動分類和檢測的方法。該方法首先運用滑動窗口解決了乳腺鉬靶圖像中癌變區(qū)域和正常區(qū)域尺寸存在不一致的問題，利用深度卷積神

3、經(jīng)網(wǎng)絡中不同的深度特征訓練分類器，并與傳統(tǒng)的特征、傳統(tǒng)特征和深度特征的融合特征進行對比。實驗結果表明，在各種不同的特征下，在深度卷積神經(jīng)網(wǎng)絡的第六層全連接層特征即FC6下得到最高的F1值，為0.8902，該值描述了分類器對不同類分類的穩(wěn)健性。
　　基于分類的結果，進一步構建對乳腺鉬靶圖像中癌變區(qū)域的自動檢測，對數(shù)據(jù)中醫(yī)生標記的癌變區(qū)域更新為包括癌變區(qū)域的最小矩形，重新構建數(shù)據(jù)集，訓練卷積神經(jīng)網(wǎng)絡，利用滑動窗口對乳腺鉬靶圖像取子圖像