6.26.8 基于多视角深度卷积神经网络的高分辨率乳腺癌筛查

1. 介绍

1.1 乳腺癌筛查

        开发了一种新的DCN，它能够处理乳房x线摄影筛查的多个视图，并利用大分辨率图像而不缩小。将这种DCN称为多视图深度卷积网络(MV-DCN)。网络学习预测放射科医生的评估，将传入的样本分类为BI-RADS 0(“不完整”)，BI-RADS 1(“正常”)或BI-RADS 2(“良性发现”)。研究了数据集大小和图像分辨率对所提出的MV-DCN筛选性能的影响，这将作为优化未来深度神经网络用于医学成像的事实上的指导方针。

        通过可视化预测进一步研究了所提出的MV-DCN的潜力。最后，在测试集的随机子集上，提出的模型几乎与放射科医生委员会提供的相同数据一样准确。此外，通过将模型的预测与放射科医生委员会的预测平均，获得了最好的结果。

2. 高分辨率多视图深度卷积神经网络 

2.1 深度卷积神经网络

        深度卷积神经网络[9]，[10]是一种以图像x为输入的分类器，通常有多个通道对应不同的颜色(如RGB)，输出类别上的条件概率分布。通过一系列非线性函数来完成的，函数逐渐变换输入的像素级图像。深度卷积网络区别于多层感知器的一个主要特性是，它严重依赖于卷积层和池化层，这使得网络对输入中视觉特征的局部平移保持不变。

2.2 多视图深度卷积神经网络

        自然图像的物体识别任务通常一次只涉及一个物体，相比之下，医学成像检