异构多分支网络超声图像自动诊断方法.docx

乳腺癌是目前女性发病率最高的恶性肿瘤，尽早发现可以提供更好的治疗机会[1]。当前常用的乳腺癌筛查手段包括：粗针穿刺、乳腺X线摄影、乳腺磁共振检查和超声影像。而超声影像因其无创伤、便捷、价廉，对致密性乳腺诊断敏感性和准确性高，成为首选的乳腺检查方法。但由于超声影像中良恶性结节的图像表现存在重叠，严重依赖医生经验，不同资历的医生误诊率达到10%～30%[2]。因此，如何借助计算机视觉和大数据技术辅助临床医生提高对超声影像进行良恶性肿瘤判断的准确率，逐渐成为目前的研究热点。 针对上述问题，本文提出了一种端到端的自动结节分类方法。该方法主要采用基于乳腺超声图像的良性和恶性分类的异构多分支网络 (het