融入深层病理信息挖掘的乳腺肿块识别模型

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。