本文關(guān)鍵詞：基于深度卷積特征的乳腺X線攝影鈣化良惡性鑒別及BI-RADS分類初步研究

  更多相關(guān)文章： 深度學習 卷積神經(jīng)網(wǎng)絡(luò) 乳腺X線攝影 鈣化 良惡性 乳腺影像報告和數(shù)據(jù)系統(tǒng)

【摘要】：目前乳腺癌已成為女性最常見惡性腫瘤,不論在發(fā)達國家還是發(fā)展中國家,其發(fā)病率都呈上升趨勢。乳腺X線攝影是乳腺癌篩查和診斷的主要影像手段,對于微鈣化尤其敏感。大量研究表明乳腺X線攝影對乳腺病變有著較高的診斷價值。本文收集一定樣本量的乳腺X線攝影鈣化病變病例,結(jié)合BI-RADS分類以及臨床實踐,總結(jié)乳腺X線攝影對鈣化病變的診斷價值,并對乳腺癌篩查及診斷策略進行初步探討。近些年,計算機輔助診斷的迅速發(fā)展為乳腺X線攝影診斷增添不少砝碼,但目前的推廣及應用程度遠遠不夠,原因在于其仍然存在許多局限和不足。深度學習方法的出現(xiàn)能夠拓展研究方向。它已經(jīng)在語音、圖像識別等領(lǐng)域取得巨大成功,但較少涉足醫(yī)學圖像處理及識別領(lǐng)域。本研究嘗試將深度卷積神經(jīng)網(wǎng)絡(luò)運用到乳腺X線攝影圖像處理當中,進行乳腺鈣化圖像的深度卷積特征提取,并結(jié)合當前性能較良好的SVM算法進行分類器訓練,初步評價分類器對乳腺鈣化病灶良惡性鑒別及BI-RADS分類效果。論文正文主要分為以下4個章節(jié)：第一章緒論主要介紹研究背景、意義,概述乳腺X線攝影在乳腺癌篩查和診斷領(lǐng)域的優(yōu)勢和局限,敘述計算機輔助診斷的現(xiàn)狀,并引入深度學習這一概念,闡述其在相關(guān)領(lǐng)域的研究和成果,最后將深度學習(卷積神經(jīng)網(wǎng)絡(luò))與乳腺X線攝影鈣化病變圖像聯(lián)系起來,目的在于初步評價基于深度卷積特征的乳腺X線攝影鈣化病變良惡性鑒別及BI-RADS分類效果。第二章深度學習概述主要內(nèi)容為深度學習的基本概念以及常用的深度學習方法,為后續(xù)章節(jié)的研究提供理論基礎(chǔ)。第三章乳腺鈣化病變的X線攝影診斷及病理對照收集我院2009年1月～2015年10月期間,符合納入標準的乳腺X線攝影鈣化病變病例,結(jié)合BI-RADS分類以及臨床實踐,將BI-RADS Ⅳa類分別定義為陽性/陰性,以金標準病理結(jié)果作為對照進行驗證,從準確率、敏感度、特異度等以及ROC曲線這幾方面進行結(jié)果分析,總結(jié)乳腺X線攝影對鈣化類型乳腺病變的良惡性及BI-RADS分類診斷價值,能夠?qū)θ橄侔┖Y查、診斷策略進行探討,也為后續(xù)初步評價基于深度卷積特征的乳腺X線攝影鈣化病變良惡性鑒別及BI-RADS分類效果提供參考依據(jù)。共計383例符合納入標準的乳腺鈣化病變,BI-RADS分類診斷結(jié)果分別為0類2例、Ⅰ類8例、Ⅲ類47例、Ⅳ類185例(Ⅳa類94例、Ⅳb類45例、Ⅳc類46例)以及V類141例,而診斷準確率依次分別為：0類50%、Ⅱ類100%、Ⅲ類93.62%、Ⅳb類68.89%、Ⅳc類84.78%、Ⅴ類99.29%以及Ⅳa類43.62%(定義為陽性)或56.38%(定義為陰性)；乳腺X線攝影診斷與病理對照方面,其結(jié)果因Ⅳa類病變定義不同而有所差異。Ⅳa類為陽性病變時,乳腺X線攝影對鈣化病變的診斷敏感度、特異度、陽性預測值及陰性預測值分別為98.82%、40.63%、76.83%以及94.55%,ROC曲線下面積為0.697±0.022；Ⅳa類為陰性病變時,乳腺X線攝影對鈣化病變的診斷敏感度、特異度、陽性預測值及陰性預測值分別為82.75%、82.03%、90.17%以及70.47%,ROC曲線下面積為0.824±0.021。本部分結(jié)果表明：1、乳腺X線攝影對乳腺鈣化病變有著較高的診斷效能,對應不同的BI-RADS分類,其準確率稍有差異。BI-RADSⅡ類(100%)、Ⅲ類(93.62%)以及V類(99.29%)病變的診斷準確率達到很高的水平,而Ⅳ類病變(60%)的總體診斷準確率稍低。2、乳腺X線攝影診斷BI-RADS分類結(jié)果與病理對照方面,在Ⅳa類病變定義不同情況下,其診斷敏感度、特異度、陽性預測值、陰性預測值及ROC曲線下面積均有所不同,Ⅳa類病變表示為陽性時,有著很高的敏感度,但特異度較低,表明誤診率稍高,預示著可能存在著過度診斷或非必要的活檢出現(xiàn)的可能性；當Ⅳa類病變表示為陰性時,敏感度及特異度均較高,兩者之間體現(xiàn)出較好的平衡性。3、本章節(jié)基于ⅣA類病變?yōu)殛栃裕幮缘牟煌闆r,總結(jié)乳腺X線攝影診斷乳腺鈣化病變(383例)的準確率、敏感度、特異度以及ROC曲線下面積,分析乳腺X線攝影對乳腺鈣化病變的診斷效能,對乳腺癌篩查、診斷策略進行了初步探討,可為后續(xù)基于深度卷積特征的乳腺X線攝影鈣化良惡性鑒別及BI-RADS分類初步研究提供重要參考依據(jù)。第四章基于深度卷積特征的乳腺鈣化良惡性鑒別及BI-RADS分類初步研究通過收集符合納入標準的乳腺X線攝影鈣化病變病例,其中CC位圖像375幅,MLO位圖像368幅,運用基于自然圖像訓練得到的深度卷積神經(jīng)網(wǎng)絡(luò),嘗試初步評價其對乳腺鈣化病變良惡性鑒別及BI-RADS分類效果。本文中,基于深度卷積特征的提取及后續(xù)SVM分類訓練過程均在MATLAB開發(fā)工具環(huán)境下進行,此過程需要比較統(tǒng)一、標準的輸入及相應的輸出結(jié)果,因而對納入的乳腺鈣化病變相關(guān)數(shù)據(jù)進行相應預處理,步驟包括：①圖像儲存；②資料歸類；③Excel表信息匯總；④鈣化病變區(qū)域圈注及格式處理；作用在于能夠在最大程度包括鈣化病變范圍的同時,減少非乳腺區(qū)域以及乳腺組織本身的圖像信息干擾。⑤修正BI-RADS分類。通過基于自然圖像訓練的深度卷積神經(jīng)網(wǎng)絡(luò)進行鈣化病變卷積特征提取,并結(jié)合當前機器學習領(lǐng)域廣泛應用的SVM算法,進行分類器訓練,并進行10-fold交叉驗證,最后得到平均結(jié)果。乳腺鈣化病變圖像預處理相關(guān)結(jié)果方面,所有383例病例均進行完整的資料匯總,包括檢查號、病變部位、影像BI-RADS分類、修正BI-RADS分類、病理結(jié)果以及良惡性結(jié)果,無資料缺失；另外,所有383例乳腺鈣化病例均成功進行鈣化病變區(qū)域圈注,效果良好。良惡性識別分類器結(jié)果方面,基于CC位乳腺X線攝影鈣化病變圖像卷積特征的分類器TPR區(qū)間為0.545-0.778,平均為0.686；TNR區(qū)間為0.444.0.889,平均為0.690；等錯誤率(equal error rate, EER)區(qū)間為0.210.0.400,平均為0.289；總體診斷準確率約為68.8%,ROC曲線下面積分別約為0.766;相類似,基于MLO位乳腺X線攝影鈣化病變圖像卷積特征的分類器TPR區(qū)間為0.50.0.80,平均為0.672；TNR區(qū)間為0.50.0.876,平均為0.677；EER區(qū)間為0.177.0.50,平均為0.331；總體診斷準確率約為67.4%,ROC曲線下面積分別約為0.741。由于BI-RADS IV類病變(包括Ⅳa～Ⅳc類)之間存在較大的特征重疊區(qū)域,在尋找分類方向上存在困難。因此,我們認為以目前乳腺X線攝影鈣化病變圖像數(shù)據(jù)集樣本量還不夠得到分類效果較良好的BI-RADS分類識別模型。本部分結(jié)果表明：1、乳腺X線攝影鈣化病變圖像數(shù)據(jù)集的建立,為基于深度卷積神經(jīng)網(wǎng)絡(luò)的鈣化良惡性鑒別等提供了數(shù)據(jù)基礎(chǔ)；2、基于CC位、MLO位乳腺X線攝影鈣化病變圖像的良惡性鑒別具有一定的準確性,但總體結(jié)果不算高,仍有較大的提升空間；3、由于樣本數(shù)據(jù)集不足,暫未能訓練獲得效果良好的BI-RADS分類識別模型。
【關(guān)鍵詞】：深度學習 卷積神經(jīng)網(wǎng)絡(luò) 乳腺X線攝影 鈣化 良惡性 乳腺影像報告和數(shù)據(jù)系統(tǒng)
【學位授予單位】：南方醫(yī)科大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R737.9;R730.44
【目錄】：

• 摘要3-7
• ABSTRACT7-13
• 第一章 緒論13-19
• 1.1 研究背景及意義13-15
• 1.2 深度學習相關(guān)研究及應用現(xiàn)狀15-17
• 1.3 本文主要內(nèi)容17-19
• 第二章 深度學習概述19-29
• 2.1 深度學習的基本概念19-20
• 2.2 自動編碼器20-24
• 2.3 稀疏編碼24-26
• 2.4 卷積神經(jīng)網(wǎng)絡(luò)26-29
• 第三章 乳腺鈣化病變的X線攝影診斷及病理對照29-49
• 3.1 研究對象29
• 3.2 研究方法29-33
• 3.3 結(jié)果33-46
• 3.4 討論46-48
• 3.5 小結(jié)48-49
• 第四章 基于深度卷積特征的乳腺鈣化良惡性鑒別及BI-RADS分類初步研究49-65
• 4.1 研究對象49-50
• 4.2 研究方法50-53
• 4.3 結(jié)果53-61
• 4.4 討論61-64
• 4.5 小結(jié)64-65
• 全文總結(jié)65-66
• 研究不足與展望66-67
• 參考文獻67-74
• 綜述74-87
• 參考文獻81-87
• 中英文縮寫詞簡表87-88
• 碩士研究生期間發(fā)表論文情況88-89
• 致謝89-91

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 肖燕;湖北省乳腺病防治研究中心成立[J];中國腫瘤;2000年05期

2 楊麗;;532例乳腺病的病因分析及干預措施[J];首都醫(yī)藥;2006年18期

3 余康生;;乳腺病悄悄纏上新媽媽們[J];中國藥店;2009年10期

4 孫慶偉;;乳腺病的激素失調(diào)及其矯正[J];國外醫(yī)學.計劃生育婦產(chǎn)科學分冊;1980年01期

5 熊漢英;劉振球;付建英;;中等重工業(yè)城市居民乳腺病流行特征研究[J];湖北預防醫(yī)學雜志;1993年02期

6 陳志堅;中美乳腺病診治研討會報道[J];中華放射腫瘤學雜志;1995年04期

7 李志宏,袁輝生,程石,馬淑云,張越巍,范東坡,馮瑞娥;縮乳術(shù)治療乳腺病的初步探討[J];中華外科雜志;1998年08期

8 閔保華;;大男人也有乳腺病[J];家庭醫(yī)藥;2009年05期

9 程建中;;揮拳擊潰乳腺病[J];東方養(yǎng)生;1996年06期

10 黃毅,郭永學,加玉成,劉幫芝;乳腺局限性梗死一例[J];臨床外科雜志;2000年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張孝娟;王一安;郭莉;魯?shù)P;李莉;;乳腺病情志疏導初探[A];第十二次全國中醫(yī)、中西醫(yī)結(jié)合乳房病學術(shù)會議論文集[C];2011年

2 丁虹;范玲玲;;乳腺軟X線片對乳腺病的診斷價值——附320例報告[A];第一屆全國中西醫(yī)結(jié)合乳腺疾病學術(shù)會議論文匯編[C];2002年

3 楊帆;;乳腺X線攝影[A];2009湖北省影像學乳腺癌早期診斷研討會資料匯編[C];2009年

4 孔祥舉;;中西藥結(jié)合對乳腺病理論的探討[A];第一屆全國中西醫(yī)結(jié)合乳腺疾病學術(shù)會議論文匯編[C];2002年

5 衛(wèi)華鋒;;1300例乳腺疾患普查分析報告[A];第一屆全國中西醫(yī)結(jié)合乳腺疾病學術(shù)會議論文匯編[C];2002年

6 白宛仙;;乳腺病的預防與治療[A];中國管理科學文獻[C];2008年

7 白素麗;杜沛芳;;“乳塊散”快速治療乳腺病500例療效分析[A];第一屆全國中西醫(yī)結(jié)合乳腺疾病學術(shù)會議論文匯編[C];2002年

8 王軍生;;對中西醫(yī)結(jié)合治療乳腺病的一些認識[A];第一屆全國中西醫(yī)結(jié)合乳腺疾病學術(shù)會議論文匯編[C];2002年

9 李燕玲;喻嬌花;;門診男性乳腺病患者就醫(yī)期的護理[A];全國門、急診護理學術(shù)交流暨專題講座會議論文匯編[C];2006年

10 張靜;曾勇明;譚歡;;數(shù)字化X線機工作站在乳腺定位中的應用[A];中華醫(yī)學會第十三屆全國放射學大會論文匯編（下冊）[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 岳娟紅　李麗;我市啟動“乳腺病普查粉紅健康行動”[N];太原日報;2009年

2 本報記者　李淑麗 通訊員　南華;錯誤呵護反患乳腺病[N];河南日報;2006年

3 本報記者 隋峻;中德專家聯(lián)手在青開展乳腺病防治保健篩查[N];青島日報;2012年

4 蔣宏傳;北方地區(qū)乳腺病檢查技術(shù)研討會在京召開[N];中國婦女報;2000年

5 黃嵐;貴陽六成多婦女患乳腺病[N];健康報;2007年

6 記者 石小宏;3年內(nèi)幫萬名乳腺病患者治療康復[N];四川日報;2009年

7 劉橋斌;患乳腺病能吃豆制品嗎？[N];健康時報;2007年

8 厲朋;妙手根治乳腺病[N];中國石油報;2000年

9 周建躍 溫紅蕾;工作壓力大 乳腺病高發(fā)[N];大眾衛(wèi)生報;2005年

10 張安安 記者 宋偉 實習生 魏琪;陜西省乳腺學術(shù)沙龍第二次研討會在延大附院舉行[N];延安日報;2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 趙紅;鉬靶X線、超聲和MRI對乳腺腫塊良惡性診斷效能及術(shù)前評估研究[D];安徽醫(yī)科大學;2015年

2 王廷;離體乳腺組織電阻抗頻譜特性分析及乳腺電阻抗掃描成像的臨床應用研究[D];第四軍醫(yī)大學;2008年

3 周潔;乳腺“局灶性不對稱”征象的影像學研究[D];第二軍醫(yī)大學;2012年

4 賈悅;乳腺鈉/碘轉(zhuǎn)運體表達與功能的調(diào)控研究[D];南京醫(yī)科大學;2004年

5 陶志福;微波近場回波的醫(yī)學成像方法研究[D];華東師范大學;2011年

6 洪慶山;X線、CT和乳腺磁共振在乳腺癌診斷和保乳術(shù)前評估的序貫應用研究[D];南方醫(yī)科大學;2014年

7 周悅;基于乳腺X線圖像的計算機輔助診斷方法研究[D];蘇州大學;2014年

8 程娟娟;BI-RADS FFDM分類系統(tǒng)在乳腺良惡性疾病診斷中的應用研究[D];華中科技大學;2014年

9 史憲全;乳腺超聲剪切波彈性成像臨床應用及病理基礎(chǔ)研究[D];中國人民解放軍醫(yī)學院;2015年

10 丁建輝;X線位相成像對乳腺腫瘤診斷價值的研究[D];復旦大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 高峰;超聲自動乳腺全容積系統(tǒng)在乳腺病變術(shù)前評估中的應用價值[D];河北醫(yī)科大學;2015年

2 江靜;乳腺3.0TMR擴散加權(quán)成像的多參數(shù)診斷價值研究[D];東南大學;2015年

3 蔡玉英;聲脈沖輻射力彈性成像聯(lián)合三維超聲對乳腺腫塊良惡性診斷價值的初探[D];廣州中醫(yī)藥大學;2016年

4 周衛(wèi)平;IVIM聯(lián)合DKI對乳腺MR動態(tài)增強Ⅰ型和Ⅱ型病灶診斷價值的臨床研究[D];蘇州大學;2016年

5 曾輝;基于深度卷積特征的乳腺X線攝影鈣化良惡性鑒別及BI-RADS分類初步研究[D];南方醫(yī)科大學;2016年

6 關(guān)斌;近紅外乳腺檢測及系統(tǒng)研究[D];中南民族大學;2010年

7 程運福;基于乳腺X線片自動檢測癌變信息的理論研究[D];山東大學;2007年

8 張小梅;計算機輔助檢測在乳腺X線攝影中應用價值的研究[D];天津醫(yī)科大學;2008年

9 葉欣;乳腺血氧檢測與乳腺疾病病理特征相關(guān)性研究[D];復旦大學;2010年

10 肖勤;數(shù)據(jù)挖掘技術(shù)在乳腺X線診斷中的應用[D];復旦大學;2009年

，

本文編號：836884