科研之友
微信
新浪微博
Facebook
分享链接
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。
- 出版日期2023
- 单位中国人民解放军第二军医大学; 上海工程技术大学; 长海医院
