5.12.1 Detecting and classifying lesions in mammograms with Deep Learning

计算机辅助检测 (CAD) 系统的开发是为了帮助放射科医生分析筛查性乳房 X 光检查，深度 CNN 有可能彻底改变医学图像分析。我们提出了一种基于最成功的对象检测框架之一 Faster R-CNN 的 CAD 系统。该系统无需任何人为干预即可检测乳房 X 光照片上的恶性或良性病变并对其进行分类。

Region-based Convolutional Neural Networks，是一种基于卷积神经网络（CNN）的目标检测算法。

R-CNN的基本思想是使用选择性搜索算法或其他方法在输入图像中选取候选区域（Region of Interest，RoI），然后对每个RoI分别进行CNN的特征提取和分类。

 筛查乳房X光检查

在标准乳房 X 光筛查检查期间，从每个乳房的 2 个角度捕获 X 射线图像。这些图像由一到两名经验丰富的放射科医生检查是否存在恶性病变。可疑病例被召回以进行进一步的诊断评估。

双重读数可以提高乳房X线照相评估的性能，最多可超过 10 个读数器，这证明乳房 X 光检查评估除了双重读数之外还有改进的空间。

双重读数（或称双重阅片）在乳房X线照相（乳腺X线摄影）评估中，指的是同一份X线图像由两位或更多的专业医生或技师进行独立解读和分析，以确保诊断的准确性和一致性。