基于多模态融合技术提升乳腺超声与磁共振成像联合诊断乳腺癌的效能

摘要

目的：为提升基于多模态融合技术的乳腺超声与磁共振成像（MRI）联合诊断乳腺癌的效能，提出一种基于深度残差网络ResNet-101的多模态数据融合方法，并评估不同模型在多模态数据融合下的表现。方法：选取154例患者的乳腺超声和MRI图像进行数据融合与分析。通过超声与MRI的联合检查数据进行多模态融合，并利用深度残差网络模型进行分类和诊断，最终比较各模型的诊断效能。结果：ResNet-101方法在多模态融合数据的乳腺癌诊断中表现最佳，显著高于单一模态及其他模型的表现。与传统的卷积神经网络和ResNet50模型相比，该方法在诊断准确率、敏感性和特异性等指标上均有显著提升。结论：多模态融合技术能有效提升乳腺癌的诊断效能，特别是深度残差网络ResNet-101模型，显著提高诊断的准确率和鲁棒性，表明多模态数据融合技术在乳腺癌诊断中具有重要的应用前景。

关键词

乳腺癌 / 多模态融合 / 乳腺超声 / 磁共振成像