适应中国人群的乳腺钼靶X线图像分类辅助系统设计

作     者：孙常晋 童飞 吴毅 王雨婷 罗俊捷 龚滟 邱明国 乔梁 SUN Changjin;TONG Fei;WU Yi;WANG Yuting;LUO Junjie;GONG Yan;QIU Mingguo;QIAO Liang

作者机构：陆军军医大学(第三军医大学)生物医学工程与影像医学系医学图像学教研室重庆 陆军特色医学中心(第三军医大学大坪医院)医学工程科重庆 陆军军医大学(第三军医大学)生物医学工程与影像医学系数字医学教研室重庆 

基　　金：重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX0173) 重庆市研究生科研创新项目(CYS23766) 陆军军医大学科技创新能力提升专项项目(2023XJS13) 

出 版 物：《陆军军医大学学报》 (Journal of Army Medical University)

年 卷 期：2025年第47卷第1期

页      码：92-99页

摘      要：目的构建适应中国人群的乳腺钼靶图像分类辅助系统,探讨人工智能技术在国内辅助乳腺癌早期筛查的潜力。方法为复现当前文献中的主流深度学习方法,利用乳腺X线筛查数字数据库子集(curated breast imaging subset of digital database for screening mammography,CBIS-DDSM)、乳房X线图像分析学会数据库(mammographic image analysis society database,MIAS)等国际公开数据集分别进行模型训练,并在华教科技有限公司提供的中国人群乳腺钼靶图像数据集(Chinese breast mammography dataset,CBMD)上进行测试和模型性能比较;针对中国人群数据在公开数据集训练模型性能测试不理想的问题,结合中国人群数据特点,提出基于滑动窗口调窗机制的优化策略,设计二阶段迁移学习方法,以提升模型的整体性能,并进行系统研发。结果使用滑动窗口调窗机制及二阶段迁移学习后的CBMD训练模型,以中国人群数据集为测试集,其准确度从默认窗口下公开数据集训练模型的0.50提升至0.80,精度从0.54提升至0.82,灵敏度从0.52提升至0.80,F1值从0.52提升至0.80,AUC值从0.51提升至0.89。结论本研究引入滑动窗口调窗机制和二阶段迁移学习策略,显著提升了乳腺钼靶图像分类模型在中国人群数据集上的性能,初步达到适应中国人群的乳腺钼靶图像辅助分类的目的。

主 题 词：乳腺钼靶 深度学习 X射线 计算机辅助 

学科分类：0831[工学-公安技术类] 100207[100207] 1006[医学-中西医结合类] 1002[医学-临床医学类] 1001[医学-基础医学] 08[工学] 100101[100101] 1010[医学-医学技术类] 100106[100106] 100602[100602] 10[医学] 

核心收录：

D　O　I：10.16016/j.2097-0927.202407001

馆 藏 号：203157022...