锁彤佳,吕子璇,尹思宇,刘 伟

(鲁东大学数学与统计科学学院,山东 烟台 264011)

2021年3月11日,十三届全国人大四次会议提出,要全面推进健康中国建设,改革疾病预防控制体系。2020年统计数据显示,乳腺癌取代肺癌成为全球发病率第一的癌症,而提高乳腺癌诊断的准确率与效率是疾病预防控制体系中重要的一环,也是坚持健康中国战略中“预防为主”方针的重要体现。

随着乳腺癌病发率升高,乳腺肿瘤的影像学表现愈发多元化,目前对于乳腺诊断应用最广的普通乳腺X线检查技术在长期应用中暴露出了一定的局限性,对此,美国FDA在2011年提出了具有诊断时间短、价格低等优点的对比增强乳腺X线成像(CESM)技术。XING等[1]研究表明,CESM对乳腺癌诊断的准确性、特异性较高,有非常大的临床应用价值;而姜奕歆等[2]认为CESM检查还存在缺少统一诊断标准和成像标准的问题。

得益于人工智能的迅猛发展,深度学习视角下的普通乳腺X线检查和乳腺磁共振成像等检查技术近年来得到了广泛应用。TOURASSI等[3]对普通乳腺X线技术构建了一种约束满足神经网络的方法用于乳腺癌诊断;SINGH等[4]通过将BP神经网络诊断反馈与放射科医师诊断反馈相整合,显著提高了在超声检查中乳腺病变组织诊断的临床效率。

病灶在影像学上的强化特点是诊断乳腺癌的重要参考指标,但是不同检查技术下，病灶强化密度的统计学表现有所差异。蔡丽珊等[5]通过t检验对乳腺良恶性肿块超声造影……