37、基于正常乳房X光片的深度学习建模预测乳腺癌

基于正常乳房X光片的深度学习建模预测乳腺癌

1. 乳腺癌现状与检测挑战

乳腺癌是全球女性癌症相关死亡的主要原因。2018年的统计数据显示，因技术发展不足，有162,468人死于乳腺癌，且在高阶段水平，乳腺癌患者的生存更为困难。在印度，大多数女性患的是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。

目前，乳腺X光检查是检测乳腺癌的主要方法，但在乳腺组织中检测癌细胞较为困难，因为乳腺组织较多、脂肪较少。数字化乳腺X光图像可用于分析密度、肿块和钙化等异常区域，以判断是否存在癌症。

2. 相关研究进展

2.1 传统CAD系统

研究人员开发了高效诊断的计算机辅助诊断（CAD）系统，利用显微镜组织病理学图像辅助专家区分乳腺X光图像中的肿块。该方法使用细胞神经网络分离感兴趣区域，通过Ripley’s K能力、Moran’s和Geary’s列表提取形状特征并描绘表面，最后使用支持向量机（SVM）将竞争区域分为肿块或非肿块。

2.2 深度学习应用

深度学习模型在计算机视觉和医学成像等领域取得了显著进展，但在乳腺X光图像分类方面的研究相对较少。一些研究使用卷积神经网络（CNN）分割乳腺组织、计算乳腺密度得分、分类微小钙化等，但数据集规模较小。此外，还有研究提出基于物联网连接设备和CNN的乳腺癌检测和分类策略。

2.3 其他相关研究

• 有研究探讨了乳腺癌的危险因素、筛查策略、治疗方法、预后预测等方面。
• 部分研究关注了不同人群（如跨性别