UBDR-FB:一种针对脂肪型乳腺超声大数据识别方法

作者：杨峰; 李珊珊; 谷峥; 潘江如; 海玲; 刘文^*

来源：科技通报, 2022, 38(02): 25-30.

DOI：10.13774/j.cnki.kjtb.2022.02.004

• 乳腺肿瘤
• 超声影像分割
• U-Net
• 医疗影像大数据

目的:新疆地区女性多为脂肪型乳腺，B超回声影像具有很强的特殊性，当前国内外的深度学习模型识别率偏低。方法:为提升新疆地区乳腺超声影像的识别精确度，提升辅助诊断效果，本文提出了一种基于U-Net网络的超声乳腺肿瘤的分割方法UBDR-FB(ultrasound big data recognition for fatty breast)。UBDR-FB包含编码和解码两部分，在编码的过程中，UBDR-FB利用下采样来捕获不同分辨率的病理图像的特征信息；在解码的过程中，对特征信息进行上采样融合至初始像素。同时，UBDR-FB使用了跳跃连接方法以提高超声影像的识别效率。结果:本文收集了8430张新疆脂肪型乳腺超声影像，经过标准化处理后，利用UBDR-FB深度学习模型建立了具有新疆地域特征的超声模型。结果:UBDR-FB方法识别脂肪型乳腺规则病灶准确率均值为80%,最高可达92%。

• 单位
  新疆师范大学; 新疆工程学院