典型文献
基于双分支多视角深度自注意力编码器的乳腺肿瘤分类方法
文献摘要：
自动乳腺全容积超声成像(ABVS)系统因其高效、无辐射等特性成为筛查乳腺癌的重要方式.针对ABVS图像进行计算机辅助乳腺肿瘤良恶性分类的研究,有利于帮助临床医生准确、快速地进行乳腺癌的诊断,甚至可辅助提高低年资医生的诊断水平.ABVS系统产生的三维乳腺图像数据量较大,造成常规的深度学习方式训练时间长、占用资源巨大.本研究设计了一种基于ABVS数据的多视角图像提取方式,替代常规的三维数据输入,在降低参数量的同时弥补二维深度学习中的空间关联性;其次,基于交叉视角图像的空间位置关系,提出一种深度自注意力编码器(Transformer)网络,用于获得图像的有效特征表达.实验是基于自有ABVS数据库的153例容积图像,良恶性分类的准确率为86.88％,F1-评分为81.70％,AUC达到0.831 6.所提出的方法有望应用于ABVS图像的乳腺肿瘤良恶性筛查.
文献关键词：
乳腺癌;多视角;自注意力编码器;良恶性诊断;自动乳腺全容积超声成像
中图分类号：
作者姓名：
柳懿垚;杨意;陈敏思;汪天富;姜伟;雷柏英
作者机构：
广东省生物医学信息检测和超声成像重点实验室,广东深圳 518060;深圳大学医学部生物医学工程学院,广东深圳 518060;华中科技大学协和深圳医院超声医学科,广东深圳 518052
文献出处：
引用格式：
[1]柳懿垚;杨意;陈敏思;汪天富;姜伟;雷柏英-.基于双分支多视角深度自注意力编码器的乳腺肿瘤分类方法)[J].中国生物医学工程学报,2022(05):527-536
A类：
自注意力编码器
B类：
双分支,乳腺肿瘤,肿瘤分类,分类方法,自动乳腺全容积超声成像,ABVS,无辐射,计算机辅助,肿瘤良恶性,良恶性分类,临床医生,低年资,断水,图像数据,数据量,学习方式,训练时间,多视角图像,图像提取,提取方式,三维数据,参数量,空间关联性,空间位置,位置关系,Transformer,有效特征,特征表达,自有,良恶性诊断
AB值：
0.282436
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
