基于半监督阶梯网络的红外乳腺癌检测方法研究

乳腺癌是除肺癌以外女性的第二大致死癌症,早期筛查对提高乳腺癌患者存活率至关重要。利用红外热图检测、定位和识别乳腺癌,具有直观、无损和能预测"未病"等优点,然而在临床应用中,人体红外热图不仅几何与灰度分辨率较低,而且,受成像环境和个体变化的影响较大,导致乳腺癌检测与分类的精度较低、假阳性率高。尤其医学类影像数据显得尤为匮乏,有标签的数据更是少之又少,特别是乳腺红外图片由于缺少公共数据库,因此数据问题成了提高检测精度的一大难题。本文尝试在小样本下用半监督阶梯网络方法对乳腺癌进行红外检测,对94个有标签数据增加570个无标签数据,并采用数据增强技术增加有标签数据体量,使用半监督阶梯网络在batch Normalization的帮助下,在测试集上得到了89.55%的分类精度。高于人类专家约85%的分类精度,对摆脱目前乳腺癌红外热图筛查中依赖专家读图的限制具有重要意义。