终检评审通过 创新训练 520计算机科学技术 智能制造校级

乳腺癌是威胁女性健康最主要的癌症类型之一。在中国，尽管乳腺癌发病率较低，但乳腺癌的筛查没有广泛普及到各个地区，尤其是不发达的农村地区，且延误诊断广泛存在。延误诊断导致癌症发展至晚期才表现出明显症状；如果能在癌症早期控制病情的发展，及时控制肿瘤病灶转移，能显著提高患者的生存率，对临床诊断和预后具有重要意义。 本项目产品充分利用管壁视角与瘤体视角的关联特性，提出了一种基于多模型的乳腺导管瘤诊断方法，为医生提供客观的良恶性参考依据。基于北京朝阳医院提供的乳管镜图像数据集，使用了双路独立的卷积神经网络构成特征提取模块，引入双线性池化、注意力机制等提高特征之间的交互能力，构建了融合两类图像特征的乳腺肿瘤良恶性分类模型。 本项目使用辅助诊断技术能得到精确的量化结果，减少了评估者在其中的主观作用，提高诊断的客观性；并在一定程度上减轻了初级医生的工作量，缓解医生资源短缺的压力。本项目产品大胆使用计算机辅助诊断分析电子乳腺纤维内窥镜图像，并结合智慧算法进行深度学习使其特征融合，实现实时反馈机制。利用深度卷积网络在医学影像分析上，在图像分类、目标检测、分割、配准和其他任务中均有应用。针对医学图像配准问题，利用专门跨模态图像配准的自我注意力机制，有效将超声图像与磁共振图像精确融合，实现克服国内医生资源紧张、基层医院和诊所缺乏经验丰富的影像分析师以及人工难以辨别亚型乳腺癌的问题，为促进健全中国医疗体系提供智慧方案。