基于深度学习的乳腺数字化X线BI-RADS密度分类和目标检测的研究

发布时间：2023-06-18 01:07

　　第一部分基于深度学习的乳腺数字化X线BI-RADS密度分类的研究目的:为了确保基于ACR BI-RADS乳腺X线密度评估的一致性和准确性,本研究构建基于深度学习的乳腺数字化X线密度的自动分类模型,使之达到对乳腺密度的精准分类。方法:在研究中,构建并优化基于深度学习的卷积神经网络(CNN)的经典模型Res Net50。收集本院于2015年8月至2018年2月间行全数字化乳腺摄影图像18152幅,由两位有经验的放射科医师根据ACR BI-RADS标准对图像的乳腺密度进行评估。各自经微调的分类模型分别在小数据集(4000幅)和原始数据集(18152幅)对乳腺密度的分类进行评估,得到相应的分类准确性,以受试者工作特性曲线和曲线下面积评估模型的分类性能。结果:CNN模型在小数据集训练时,各类的分类准确性分别为a类91%、b类86%、c类84%、d类90%;当在原始数据集训练时,a类和d类的分类准确性无明显变化,b类和c类的准确性分别为89%、88%,随着数据量的增加,准确率明显提高,比较AUC发现分类性能明显改善。结论:基于深度学习的卷积神经网络(CNN)分类模型能以较高的准确率对乳腺密度进行分...

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
常用缩写词中英文对照表
前言
第一部分 基于深度学习的乳腺数字化X线 BI-RADS密度分类的研究
    1 材料与方法
    2 结果
    3 讨论
    4 结论
第二部分 基于深度学习的乳腺数字化X线目标检测的初步研究
    1 材料与方法
    2 结果
    3 讨论
    4 结论
参考文献
综述
    参考文献
致谢
在学期间承担/参与的科研课题与研究成果
个人简介



本文编号：3834487