基于多示例学习的钼靶图像BI-RADS分类方法

摘要：

目的:基于深度学习的乳腺X线图像分类模型对于所得出的决策无法给出诊断依据.本文旨在保证模型分类精度的同时,改善模型的可解释性.方法:基于多示例学习,提出一种弱监督病灶分类和定位方法,以应用于乳腺X线图像的乳腺影像报告和数据系统(BI-RADS)分级任务.为了解决传统多示例学习只能应用于二元分类任务的问题,本文利用了BI-RADS分类的有序性,引入了新的样本标签、训练方法和输出判断方法.结果:公开数据集INbreast上的实验结果表明,在使用相同的特征提取网络下,所提出的方法在分类准确性上相较传统方法提升了 2.91％.模型在病灶检出上的准确率达到83.49％,真阳性率达到75.87％,具有一定的病灶定位能力.结论:在不借助病灶轮廓数据或是位置数据进行训练的情况下,所提出的深度学习模型可以展示出每一个可能存在的病变区域及其BI-RADS分类,具有较好的应用场景.

关键词：乳腺癌、乳腺影像报告和数据系统、多示例学习、乳腺X线成像

所属期刊栏目：29

分类号：R814.4(放射医学)

资助基金：国家自然科学基金81871485

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：148-154