盘安思,徐胜舟,程时宇,佘逸飞

(中南民族大学 计算机科学学院 & 湖北省制造企业智能管理工程技术研究中心，武汉 430074)

乳腺癌是女性中最常见的癌症，也是癌症死亡的主要原因[1].尽早发现并诊断对患者后期的治疗和康复具有重要意义[2].早期癌症肿块的发现是治疗过程的决定性步骤之一，在阻止甚至是控制疾病进展方面发挥着关键作用.目前乳腺癌检查技术主要包括乳腺查体、超声、X线摄片、磁共振成像(Magnetic Resonance Imaging, MRI)等.X线摄片可以发现乳腺中的簇状微钙化和肿物，是鉴别和筛查癌组织最有效和最主要的诊断工具.然而，由于乳腺X线摄片是单通道的灰度图像，往往存在对比度较低、不同组织的边界不明显、同一组织特征不明显等问题，使得早期的癌性病变在病理和颜色密度上较难被发现.在早期诊断中，需要具有丰富经验的临床医生的反复阅读并确认，加重了医生的工作量.计算机辅助诊断系统(Computer Aided Diagnosis, CAD)可以在短时间内检测到乳腺X摄片中的病变，加快对特定患者的治疗进程.

当前国内外学者针对医学影像识别(包括乳腺X线摄片)进行了广泛研究，相继提出了众多识别算法，大致可分为两类：第一类是基于传统机器学习的识别方法，第二类是基于深度学习的识别方法.传统机器学习方法在进行乳腺图像的识别时，首先需要通过人工的方式提取乳腺图像中肿块的特征，再将提取到的特征作为机器学习方法的输入.PRATIWI等[3]基于灰度共生矩……