魏静

(西安海棠职业学院 医学美容学院， 陕西 西安 710038)

0 引言

乳腺肿瘤是当前世界范围内影响女性健康的主要疾病之一[1]，国际相关组织的相关研究结果显示[2]，全球每年有上百万妇女因乳腺肿瘤疾病去世，截止到2017年，亚洲女性乳腺肿瘤发病率达到5%以上。乳腺肿瘤在早期的诊断方式普遍是靠专家筛查乳腺X线图像[3]判断肿瘤性质(良性肿瘤或恶性肿瘤)。但针对微小乳腺肿瘤，专业肿瘤医生也不能完全实现精准诊断，因此针对微小乳腺肿瘤的精准诊断成为保障女性健康的热点问题。

国内外对于乳腺肿瘤诊断进行大量研究，文献[4]将交叉验证方法引入多变量组合诊断，建立Logistic回归预测模型，取灵敏度，特异度之和中最大的预测概率作为最佳诊断点，并根据ROC曲线下面积对模型的预测性能进行评估，比较DCE-MRI和DCE-MRI联合IVIM-DWI对乳腺病变良、恶性的诊断效能；该方法中忽略乳腺肿瘤图像处理过程，导致图像特征模糊，造成乳腺肿瘤诊断精度存在明显波动性；文献[5]利用多卷积神经网络模型进行训练，融合训练好的多个模型，提升最终乳腺肿瘤诊断的准确度；该方法诊断过程中需分别训练模型并融合各模型，诊断过程较为复杂，时空性能较差；文献[6]提取乳腺肿瘤区域与非乳腺肿瘤区域的灰度共生矩阵，采集乳腺肿瘤图像的纹理特征，对特征进行模糊C聚类，以此诊断乳腺肿瘤；该方法针对较大的乳腺肿瘤进行诊断时精度较高，当肿瘤较小时，诊断精度明显下降。……