基于卷积神经网络和多信息融合的三维乳腺超声分类方法

孔小函 檀 韬 包凌云 王广志#*

1(清华大学医学院生物医学工程系，北京 100084) 2(埃因霍温理工大学生物医学工程系，埃因霍温 5162wh) 3(杭州市第一人民医院超声影像科，杭州 310006)

引言

乳腺癌是严重危害女性健康的恶性肿瘤之一。据美国癌症协会(ACS)2012年公布的数据显示[1]，乳腺癌是全世界女性中被诊断最多的癌症类型，也是女性癌症致死的主要原因。在2012年的所有女性癌症病例中，乳腺癌所占比例高达25%。早期检查可以及时发现乳腺异常，增加治疗选择。超声成像是临床上常用的乳腺影像学检查方式，但是目前手动超声用于乳腺癌筛查尚存在一些问题：一是操作者依赖性，可重复性差；二是无法建立标准的筛查流程。近年来，一种新的自动乳腺全容积超声成像(automated breast volume scanner，ABVS)技术开始进入临床，它采用超宽探头自动完成对整个乳腺的扫描，并且可以生成标准化的三维超声图像，可以从不同切面对同一病变进行全面的观察，为医生的诊断提供了更多的信息。相关临床试验证明，这种超声扫描技术具有诊断准确度高、操作者无关性和三维可视化等优点，是一种有前途的乳腺成像模式[2]。

医生往往需要根据超声图像对乳腺肿瘤进行良恶性的评估，而评估的结果是进一步确定治疗方案的重要前提。但是目前通过超声图像判断肿瘤的良恶性十分依赖于医生的个人经验，若能建立相关的计算机辅助诊断(computer-aided diagnosis，CAD)系统用于进行乳腺肿瘤的辅助分类，对于提高临床上的诊断效率和降低误诊率都具有重要的意义[3]。……