谭 垚 霍 苓 欧阳涛△ 姚 晨△

【提 要】 目的 探究并比较深度神经网络模型与传统学习浅层模型在基于超声影像特征诊断乳腺病变性质的应用价值。方法 将建模数据集以75%：25%比例拆分为训练集和测试集，同时构建6种浅层学习模型和深度神经网络模型，比较其在测试集和验证集的性能，以ROC曲线下面积(AUC)作为模型主要评估指标。结果 在浅层学习模型中，logistic回归的AUC最大，除多层感知器外，其他差异均有统计学意义；深度神经网络模型的ROC曲线下面积(AUC)高于logistic回归，差异具有统计学意义。结论 深度神经网络模型相比于传统浅层学习模型在基于超声影像特征诊断乳腺病变性质中有更大的诊断价值，但需要进一步探索并优化DNN模型，从而最终使临床医师能从深度学习模型的辅助诊断中获益。

乳腺癌是中国女性发病率最高的恶性肿瘤，严重危害女性的身心健康[1]。对乳腺癌疾病进行有效的筛查可以早期发现疾病，降低疾病死亡率。目前用于乳腺癌筛查的主要方法是基于常规超声设备的乳腺超声检查，但医生尤其是基层医生的操作水平有限和经验不足严重影响筛查的效果，如何进一步提高筛查能力是研究者的共同目标。因此基于大样本超声影像特征建立诊断乳腺病变性质的模型可以有效辅助基层医生提高筛查能力，从而做出更及时、更准确的诊断。

目前国内外针对于乳腺癌超声影像建立模型的研究多数采用浅层学习模型，本文利用深度学习进行进一步探索。……