基于深度学习乳腺超声计算机辅助诊断系统研究进展

吕明慧，周 帅，朱 强

(首都医科大学附属北京同仁医院超声诊断科，北京 100730)

2018年全球女性乳腺癌新发病例约208.88万，占女性新发癌症的24.2%[1]。中国乳腺癌世界人口标准化发病率约36.1/10万，虽低于其他国家，但呈逐年增长趋势，如能及时诊断并进行干预，患者死亡率可低于其他恶性肿瘤[2-3]。不同于欧美女性多为脂肪型乳腺，中国女性乳腺以纤维结缔组织含量较多的致密型腺体为主，超声声像图中病变与腺体明显不同。超声是我国诊断及筛查乳腺癌的主要手段，但较依赖操作者经验，诊断结果差异较大。除须提高超声医师专业素质及诊断能力外，还应从技术角度寻找解决方案[4]。

计算机辅助诊断(computer-aided diagnosis， CAD)系统采用机器学习方法对医学图像进行识别和概率性判断，是人工智能技术的一大分支[5]。通过模拟人脑神经网络结构，深度学习(deep learning, DL)将信息从低层传至高层，提取图像特征并分类，是当下极具应用前景的机器学习方法之一[6]。基于DL的CAD系统在提高诊断准确率、减少漏诊或误诊及减轻医师工作负荷等方面均具有极大潜力和应用价值。本文对乳腺CAD系统的背景及基于DL的乳腺超声CAD系统研究进展进行综述。

1 研究背景

LEDLEY[7]于1966年首次提出CAD系统。随着计算机技术及算法等方面的进步，直至20世纪八九十年代，相关研究才得以在医学影像学领域纵深开展，并逐步成为影像科医师的辅助工具，例如辅助分析肺CT、乳腺及前列腺MRI和甲状腺超声等[8-12]。1998年R2 Technology公司开发了乳腺CAD系统，并通过了美国食品药品管理局认证，基于钼靶X线图像进行诊断。……