乳腺超声图像的深度学习特征提取与良恶性肿瘤鉴别

摘要

针对乳腺超声图像存在的复杂性与多样性，为提高肿瘤鉴别的准确性和效率，设计一种结合卷积神经网络（CNN）和迁移学习（TL）的深度学习模型。首先，利用预训练的CNN模型对乳腺超声图像进行特征提取，通过TL将预训练模型适应于乳腺超声图像数据集。然后，使用提取的特征应用于多个分类模型，以区分良性和恶性肿瘤。实验结果表明，与传统图像处理和机器学习方法相比，该深度学习模型在敏感度、特异度和精确度3个指标上均有显著提升。基于深度学习的乳腺超声图像特征提取方法显著提升良恶性肿瘤鉴别的准确性和效率，为乳腺癌的早期诊断和治疗提供一种有效的技术手段，能够辅助医生进行更准确的临床决策。

关键词

乳腺超声图像 / 卷积神经网络 / 迁移学习 / 特征提取