9、基于深度学习的乳腺癌热成像分类综合研究

基于深度学习的乳腺癌热成像分类综合研究

1. 引言

乳腺癌是全球最致命的癌症类型之一，仅次于肺癌。2018 年，全球新增乳腺癌病例达两亿例，死亡人数达 62.7 万。研究表明，乳腺癌患者的生存率与诊断阶段的肿瘤大小密切相关，肿瘤小于 10 毫米时，患者生存率可达 98%。而 70%的乳腺癌病例在肿瘤达到 30 毫米时才被发现，肿瘤直径大于 20 毫米时通常可在筛查中被检测到。因此，提高早期癌症检测能力对于鼓励早期治疗至关重要。

目前，筛查策略包括临床乳腺检查（CBE）和乳腺自我检查（BSE）。CBE 由医疗专家进行，用于识别乳腺损伤；BSE 则由个人进行，以注意乳房的实际变化。然而，专家在解读热成像图时能力有限，导致分析精度较低。因此，需要一个计算机辅助框架来自动将热成像图分为正常和异常类别。近年来，深度学习（DL）模型的发展为乳腺癌的识别提供了新的途径。虽然已有许多研究使用 DL 对乳腺钼靶、组织学图片、断层合成和超声图片进行分析，但利用深度神经网络（DNN）对乳腺进行非侵入性热成像的研究还处于早期阶段。

2. 乳腺癌背景

乳腺癌是全球最广为人知的癌症之一，男女均可患病，但女性的发病率远高于男性。这主要是由于男女乳房的基本差异，危险微生物常见于乳腺的产奶中心、大阴唇以及输乳管和导管中。

乳腺癌的发展可能有多种原因，其中一些尚不清楚。但细胞的异常增殖是确诊的乳腺癌行为之一。某些基因对细胞分裂和生长至关重要，但由于各种原因，这些基因特征无法检测到异常，从而导致死细胞的快速生长和繁殖，形成肿瘤。肿瘤可分为有害肿瘤（侵袭周围组织）和非侵入性肿瘤（局限于特定组织）。癌细胞可通过淋巴或血液扩散到人体的任何部位，在乳腺癌的最后阶段，通常需要进行活检