基于超聲視頻的深度學習在乳腺結節良惡性鑒別診斷中的價值

楊茹怡 陳 宏 蔡葉華 李 梅

2020年全球癌癥統計數據表明，乳腺癌已成為威脅女性健康的首位高發癌癥［1］，因此，對于乳腺癌的早期發現、診斷和治療顯得尤為關鍵。近年來，深度學習在計算機視覺領域得到了廣泛的應用［2］，其在醫學圖像分類領域的應用中取得了一系列的成果［3］。多示例學習（multiple instance learning， MIL）是由監督型學習算法演變出的一種方法，定義“包”為多個示例的集合，具有廣泛的應用。本研究旨在探討基于超聲視頻的深度神經網絡多示例學習模型在乳腺結節良惡性鑒別診斷中的應用價值。

方法

1. 數據集

收集上海市靜安區中心醫院普外科乳腺結節手術病例285例，術后病理證實良性結節216例，惡性結節69例，術前均行超聲檢查，對病灶區進行縱切面連續掃查并獲取超聲影像視頻完整資料，觀察病灶的邊界、形態、內部回聲、有無鈣化、彩色多普勒血流圖像。

2. 深度學習模型

基于乳腺結節超聲圖像的影像組學分析流程主要包括以下步驟。（1）圖像預處理：獲取視頻圖像后，需要進行分幀處理并抽取靜態圖像中含有病灶的圖像樣本，以獲取含病灶信息的圖像數據集。（2）U-net圖像分割：采用U-net 分割網絡對乳腺超聲圖像進行分割，并經過后處理得到較為精準的分割掩模圖像。（3）特征提取：基于原始含病灶圖像及其對應的掩模圖像，通過PyRadiomics 提取圖像病灶特征。（4）兩階段特征選擇：利用t檢驗和最小絕對收縮和選擇算法（LASSO）進行兩階段的特征選擇，實現高維特征信息的降維。（5） 分類判決：采用邏輯回歸（logistic regression， LR）算法對乳腺結節良惡性進行分類。……