UBDR-FB:一种针对脂肪型乳腺超声大数据识别方法

摘要：

目的:新疆地区女性多为脂肪型乳腺,B超回声影像具有很强的特殊性,当前国内外的深度学习模型识别率偏低.方法:为提升新疆地区乳腺超声影像的识别精确度,提升辅助诊断效果,本文提出了一种基于U-Net网络的超声乳腺肿瘤的分割方法UBDR-FB(ultrasound big data recognition for fatty breast).UBDR-FB包含编码和解码两部分,在编码的过程中,UBDR-FB利用下采样来捕获不同分辨率的病理图像的特征信息;在解码的过程中,对特征信息进行上采样融合至初始像素.同时,UBDR-FB使用了跳跃连接方法以提高超声影像的识别效率.结果:本文收集了 8430张新疆脂肪型乳腺超声影像,经过标准化处理后,利用UBDR-FB深度学习模型建立了具有新疆地域特征的超声模型.结果:UBDR-FB方法识别脂肪型乳腺规则病灶准确率均值为80％,最高可达92％.

关键词：乳腺肿瘤、超声影像分割、U-Net、医疗影像大数据

所属期刊栏目：38

分类号：R730.41(肿瘤学)

资助基金：国家自然科学基金61962058

在线出版日期：2022-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：25-30