一种双视图信息融合的乳腺肿块自动检测算法

摘要：

针对基于单视图的深度学习乳腺肿块检测算法假阳性率较高问题,提出一种双视图信息融合的乳腺肿块自动检测算法.首先建立双曲正割模型,利用互相关法自动搜索乳腺X线摄影图像中的肿块感兴趣区域,并根据胸壁线、乳头位置在双侧头尾位和内外侧斜位图像上建立物理坐标系,筛选标注假阳性区域以在数据层扩充监督学习信息;其次,设计空间金字塔池化模块有效融合基于YOLOv3主干网络提取的多尺度局部特征以提高检测敏感性;最后,在类别损失函数中增加聚焦参数,通过调节算法学习过程以提高检测特异性.充分利用双视图数据提供的先验信息提高检测正确率,实验结果表明检测敏感性达到92.0％,特异性达到87.7％,平均每幅图像假阳性0.041个,其检测性能较原模型大幅提升,且具有较好的鲁棒性.

关键词：乳腺癌、乳腺X线摄影、计算机辅助诊断、双视图、YOLOv3、faster-RCNN、空间金字塔池化、聚焦损失函数

所属期刊栏目：52

分类号：TP391.4(计算技术、计算机技术)

资助基金：河南省联合基金重点项目U1604262

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：28-36