目的 探讨基于MobileNetV2深度迁移学习(DTL)对乳腺X线摄影乳腺影像报告和数据系统(BI-RADS)4类病变降级分类的价值.方法 将良性组、恶性组图像分别按照9:1随机分为训练集(良性组9346幅,恶性组4421幅)和测试集(良性组1038幅,恶性组491幅).通过模型微调构建基于MobileNetV2的DTL模型,并对9346幅良性组和4421幅恶性组乳腺X线图像进行学习,另外搜集由5位影像科医师报告的乳腺X线BI-RADS 4类病变患者共382例作验证集.每个病变均选择头尾位(CC位)和内外斜位(MLO位)两幅图像进行验证,如有1幅图像归类正确,则判断为该例归类正确.以验证集准确率、召回率、F1评分及受试者工作特征曲线(ROC)曲线下面积(AUC)作为DTL模型的性能指标.结果 模型在训练集和测试集准确率分别为100％、98％.在验证集准确率、召回率、F1评分及AUC分别为0.91、0.91、0.91和0.91.模型对BI-RADS 4A、4B、4C类病变降级比例分别为87.7％、80.2％和75.2％.对BI-RADS 4类病变总体降级比例为81.9％,且DTL模型与病理组织学在对乳腺X线摄影良恶性病变的分类诊断结果差异无统计学意义(P=0.206).结论 基于MobileNetV2的DTL模型是乳腺X线摄影BI-RADS 4类病变降级的有效方法.

MobileNetV2;深度迁移学习;乳腺X线摄影;乳腺病变

孟名柱;李丽;何光远;张铭;沈栋;潘昌杰;杨洁岩

213164常州,南京医科大学附属常州第二人民医院医学影像科

临床放射学杂志

[1]孟名柱;李丽;何光远;张铭;沈栋;潘昌杰;杨洁岩-.MobileNetV2对乳腺X线BI-RADS 4类病变的降级作用初步研究)[J].临床放射学杂志,2022(10):1868-1873

MobileNetV2,BI,RADS,降级,深度迁移学习,DTL,乳腺影像报告和数据系统,训练集,测试集,模型微调,影像科,验证集,头尾,CC,MLO,两幅,如有,召回率,受试者工作特征曲线,4A,4B,4C,病理组织学,良恶性病变,分类诊断,诊断结果,乳腺病变

0.263432