37、利用正常乳腺钼靶图像进行深度学习建模以预测乳腺癌

利用正常乳腺钼靶图像进行深度学习建模以预测乳腺癌

1. 乳腺癌现状与挑战

乳腺癌是全球女性癌症相关死亡的主要原因。2018 年的统计显示，因技术发展不足，有 162,468 人死于乳腺癌，且在高阶段病情中，乳腺癌患者的生存更为困难。在印度，多数女性患的是 3 期和 4 期乳腺癌，这主要是由于缺乏检测意识以及筛查和诊断率较低。在美国，每 8 名女性中就有 1 人（约 13%）会患乳腺癌，其中 3% 的患者会因乳腺癌死亡。

在检测和分类乳腺癌方面，目前面临诸多挑战。过去几十年，大量研究致力于开发计算系统辅助检测和分类癌症，但这一任务仍十分复杂。当前，计算机辅助诊断（CAD）系统广泛使用乳腺钼靶筛查技术来表征乳腺肿瘤，这些系统通常依赖人工智能策略区分数字化钼靶图像中的肿瘤。为了将图像准确分类，需要利用有区分性和独特性的特征。

2. 现有检测方法

2.1 基于细胞神经网络和支持向量机的方法

研究人员开发了高效诊断的 CAD 系统，利用微观组织病理学图像辅助专家区分乳腺钼靶图像中的肿块。该方法先使用细胞神经网络分离感兴趣区域，提取形状特征，再通过 Ripley’s K 能力、Moran’s 和 Geary’s 列表进一步提取形状特征并描绘表面，最后使用支持向量机（SVM）将候选区域分为肿块或非肿块。

2.2 其他相关研究方法

• 一些研究提出基于识别算法的布局对乳腺肿块进行分类，其信息索引依赖 1852 数字数据库，使用神经网络在计算机视觉的多个领域取得了领先成果。
• 深度学习模型也被应用于各种医学成像领域，如组织分类。但利用深度学习对乳腺钼靶图像进行分类的研究相对较