基于双分支多视角深度自注意力编码器的乳腺肿瘤分类方法

摘要：

自动乳腺全容积超声成像(ABVS)系统因其高效、无辐射等特性成为筛查乳腺癌的重要方式.针对ABVS图像进行计算机辅助乳腺肿瘤良恶性分类的研究,有利于帮助临床医生准确、快速地进行乳腺癌的诊断,甚至可辅助提高低年资医生的诊断水平.ABVS系统产生的三维乳腺图像数据量较大,造成常规的深度学习方式训练时间长、占用资源巨大.本研究设计了一种基于ABVS数据的多视角图像提取方式,替代常规的三维数据输入,在降低参数量的同时弥补二维深度学习中的空间关联性;其次,基于交叉视角图像的空间位置关系,提出一种深度自注意力编码器(Transformer)网络,用于获得图像的有效特征表达.实验是基于自有ABVS数据库的153例容积图像,良恶性分类的准确率为86.88％,F1-评分为81.70％,AUC达到0.831 6.所提出的方法有望应用于ABVS图像的乳腺肿瘤良恶性筛查.

关键词：乳腺癌、多视角、自注意力编码器、良恶性诊断、自动乳腺全容积超声成像

所属期刊栏目：41

分类号：R318(医用一般科学)

资助基金：国家自然科学基金62001302

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：527-536