19、基于深度学习的智能医疗物联网乳腺癌自动检测与分类模型

基于深度学习的智能医疗物联网乳腺癌自动检测与分类模型

一、背景与引入

在当今社会，医疗物联网（IoMT）将医疗设备和应用通过网络技术与医疗信息技术系统相连接。它能让患者与医生直接沟通，减少不必要的医院就诊，减轻医疗系统的负担，还能实现医疗数据在安全网络上的传输。而乳腺癌（BC）是全球女性中最常见的癌症之一，占癌症患者的23%，癌症死亡人数的14%。在症状诊断方面，乳腺钼靶检查能帮助医生准确分析乳腺癌。乳腺钼靶筛查项目的目标是在早期诊断出疾病，降低乳腺癌的死亡率。

然而，在筛查过程中，虽然放射科医生会观察乳腺钼靶图像，但人为判断可能会出现失误，导致误诊。计算机辅助诊断（CAD）系统可以帮助医生减少误诊率，提高诊断准确性。CAD系统包含分类、特征提取、分割和预处理等多种处理方法，每个处理阶段在诊断中都至关重要。

目前，已经有许多研究技术应用于乳腺癌诊断领域。例如，Zhang等人设计了一种空间不变神经网络来对感兴趣区域（ROI）进行分类；Wu等人建立了一个浅层反向传播神经网络（BPNN），根据专业放射科医生监测的主要特征对良性和恶性肿瘤进行分类；Oliver等人借助Adaboost SVM进行了基于知识的分类，用于自动乳腺钼靶图像分类。

二、LBP - DNN模型概述

本文提出了一种基于深度学习的智能IoMT乳腺癌检测和诊断模型——LBP - DNN模型。该模型的工作流程如下：

graph LR
    A[IoMT图像采集] --> B[预处理]
    B --> C[K - 均值聚类分割]
    C --> D[LBP特征提取]