深度迁移学习在改善乳腺MRIBI-RADS 3类病变诊断的应用研究

作者：孟名柱; 何光远; 潘昌杰; 沈栋; 张铭; 周扬

来源：中国医学计算机成像杂志, 2022, 28(2): 137-141.

DOI：10.3969/j.issn.1006-5741.2022.02.006

• 卷积神经网络
• 深度迁移学习
• 乳腺病变
• 磁共振成像

目的:探讨基于DenseNet201深度迁移学习(DTL)在改善乳腺MRI BI-RADS 3类病变分类诊断的潜力.方法:采用基于DenseNet201的DTL模型对11 256幅良性组和5 448幅恶性组乳腺DCE-MRI图像进行学习.将良性组、恶性组图像按照9:1随机分为训练集(良性组:10 146幅;恶性组4908幅)和测试集(良性组:1110幅;恶性组:540幅).收集乳腺MRI报告

• 单位
  南京医科大学