讲座人：王俊茜 博士生
题目：基于深度网络的乳腺癌辅助分析方法研究
时间：2024年9月26日15: 00-16: 00
地点：L1511

讲座内容：

乳腺癌是全球发病率最高的恶性肿瘤之一，严重危害全球女性健康及生命。通过推崇健康的生活方式，自查意识和对适龄女性的定期乳腺筛查，发现潜在乳腺疾病，对病变组织早发现，早诊断和早治疗是目前最积极的预防和控制乳腺癌的干预措施，可以大幅度提高患者的生存期与生活质量。使用计算机视觉技术对采集的乳腺影像数据中存在的病灶信息进行自动分析，协助医生更高效和更准确的对疾病进行初步诊断，是计算机领域和医学领域共同的研究重点。可有效减少因乳腺肿瘤高度异质性，病变直接征象多样，个体之间差异和对医生经验水平依赖等因素而造成的误诊和漏诊。近些年来，深度学习的方法已经被广泛应用在医学图像分析任务中，并且取得了令人满意的结果。然而，由于医学图像的特殊性，对于病灶点的分析仍存在较大的研究难点。本报告总结归纳了基于深度学习的乳腺疾病目标检测方法，并提出在小规模、小目标数据集中使用离线数据增强方案，统计数据特征重定义数据锚点，使用特征金字塔，可形变的卷积和区域池化对病灶组织进行特征抽取，同时引入注意力机制改善特征表示，提高了肿块目标的检出率，降低了假阳性概率；进一步研究了基于迁移学习和数据辅助增强方法在小样本、多样性的乳腺影像数据集，对乳腺癌识别性能的影响，分析了深度网络结构对医学数据特征学习的能力。