李梓龙，吕 勇，谭国平，严 勤

(1.河海大学计算机与信息学院，江苏 南京 211100; 2.河海大学无线通信与智能系统研究所，江苏 南京 211100)

0 引 言

目前，乳腺癌已经成为全世界妇女中常见的疾病[1]。事实上，正常乳腺如果出现肿块、钙化和结构扭曲等状况，会有癌变的可能。尽管现在科技很发达，有很多疾病可以被治愈，但是乳腺癌的病因还不是很清楚，发病机制也非常复杂，因此，早期发现乳腺癌对于提高生存率是非常重要的。近年来，各种成像技术如超声成像、X线检查、MRI等手段用于对乳腺进行早期的检查[2]。在许多成像技术中，超声成像由于成本低、不使用电离辐射以及能够从多个平面以高分辨率评估等优点，多年来在乳腺癌检测中发挥着基础性作用。然而这项技术在很大程度上依赖于医生的临床经验，导致许多普通患者常常需做一些不必要的深入检查[3]。因此，使用计算机辅助检测乳腺癌成为研究的热门[4]。这种辅助检测一般用于大规模筛查，为放射科医生预判影像性质提供一个依据。目前，有许多研究提出了乳腺超声图像中病变增生鉴别诊断的方法[5-16]。一方面，一些研究尝试提取图像的纹理特征以及乳腺的生物特征，然后使用神经网络等进行识别分类；另一方面，一些研究使用深度学习，将特征提取和识别分类都交给深度神经网络，但由于大量的乳腺超声图像难以获得，所以这方面研究较少且以迁移学习为主。总而言之，这些研究都是在超声图像存在乳腺肿块的基础上判别其是否癌变。……