融入深层病理信息挖掘的乳腺肿块识别模型

作     者：李广丽 袁天 李传秀 邬任重 卓建武 张红斌 LI Guangli;YUAN Tian;LI Chuanxiu;WU Renzhong;ZHUO Jianwu;ZHANG Hongbin

作者机构：华东交通大学信息工程学院南昌330013 华东交通大学软件学院南昌330013 

基　　金：国家自然科学基金(62161011,61762038,61861016) 教育部人文社会科学研究规划基金(20YJAZH142) 江西省科技厅重点研发计划(20192BBE50071,20202BBEL53003) 江西省教育厅科技项目(GJJ190323,GJJ200644) 江西省高校人文社科基金(TQ19101,TQ20108) 江西省自然科学基金面上项目(20202BABL202044,20212BAB202006) 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2022年第16卷第2期

页      码：413-427页

摘      要：乳腺癌是女性中最常见的癌症,乳腺肿块识别模型能有效地辅助医生的临床诊断工作。然而,医学图像样本稀缺使识别模型易过拟合。提出融入深层病理信息挖掘的乳腺肿块识别模型:构建样本精选策略,跨越不同乳腺造影图像数据集筛选优质样本,从数据增强角度应对医学图像样本稀缺;由浅入深挖掘有限标注样本中蕴含的病理信息,从特征优选角度应对医学图像样本稀缺。设计多视角有效区域基因优选(MvERGS)算法,以精化原始图像特征,提升特征判别性并压缩特征维度,更好地匹配样本数量;对精化的新特征执行判别相关分析(DCA),深入挖掘异构特征间的跨模态相关性,即深层病理信息,以准确刻画乳腺肿块病灶区域。基于深层病理信息与传统分类器训练出高效的乳腺肿块识别模型,完成乳腺造影图像分类。实验表明:识别模型的关键技术指标,包括Accuracy和AUC,均优于主流基线,样本稀缺导致的过拟合问题得到缓解。

主 题 词：乳腺肿块识别 病理信息挖掘 样本精选 特征优选 多视角有效区域基因优选(MvERGS) 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1673-9418.2008028

馆 藏 号：203107280...