原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
·20·JournalofPracticalOncologyVol.40No.12025
DOI:10.13267/ki.syzlzz.2025.004·乳腺肿瘤·
基于多模态超声图像的深度学习在鉴别诊断乳腺
良恶性肿块中的应用
121
李金瑶，柳懿垚，姜伟
1.华中科技大学协和深圳医院超声科，广东深圳518060；2.深圳大学医学部生物医学工程
学院，广东深圳518060
通信作者：姜伟，Email：2646748175@
目的探讨基于单独B型（B-mode）、应变弹性成像（strainelastography,SE）、自动乳腺全容积成像（automatedbreast
摘要：
volumescanner,ABVS）、联合B型和SE（B-mode+SE）、联合B型和ABVS（B-mode+ABVS）、联合SE和ABVS（SE+ABVS）
以及联合B型、SE和ABVS（B-mode+SE+ABVS）图像所构建的不同深度学习（deeplearning,DL）模型对辅助诊断乳腺良
恶性肿块的效能。方法回顾性分析2021年8月至2023年8月在华中科技大学协和深圳医院超声科进行乳腺肿块超声检
查的病例。对所纳入的病例的超声图像进行数据预处理，包括肿块范围、感兴趣区分割和数据增强。将图像输入多模态交
互融合模型训练，运用DL的方法，构建鉴别乳腺良恶性肿块的7种DL模型，分别是B-mode-DL、SE-DL、ABVS-DL、
B-mode+SE-DL、B-mode+ABVS-DL、SE+ABVS-DL和B-mode+SE+ABVS的多模态DL（Mutimodal-DL）模型。采用受试者工
作特征（receiveroperatingcharacteristic,ROC）曲线的曲线下面积（areaunderthecurve,AUC）对DL模型的诊断效能进行评价。
结果纳入508例病例，采用简单随机抽样方法分为训练集284例（良性250例，恶性34例）和测试集224例（良性199例，
恶性25例）。7种DL模型中，Multimodal-DL模型诊断乳腺良恶性肿块的准确度、敏感度和特异度均最高，分别为95.4%、
95.2%和95.5%，与其他模型比较差异均具有统计学意义（均P0.05）；AUC和Youden指数也最高，分别为0.955和0.907。
结论基于多模态超声图像所建立的DL模型对乳腺良恶性肿块的鉴别效果最好。
乳腺肿瘤；人工智能；多模态超声；自动乳腺全容积成像；深度学习
关键词：
Applicationofdeeplearningbasedonmultimodalultrasoundimagesindifferentialdiagnosisofbenignand
malignantbreastmasses
121
LiJinyao,LiuYiyao,JiangWei
1.UltrasoundDepartment,UnionShenzhenHospital,HuazhongUniversityofScienceandTechnology,Shenzhen
518060,China;2.SchoolofBiomedicalEngineering,HealthScienceCenter,ShenzhenUniversity,Shenzhen
518060,China
Correspondingto:JiangWei,Email:2646748175@
Abstract:ObjectiveToexploretheperformanceofdifferentdeeplearning(DL)modelsbasedontheimagesofeitherB-modeultra-
sou
文档评论（0）