许学斌，张佳达*，刘 伟，路龙宾，赵雨晴

（1.西安邮电大学计算机学院，西安 710121；2.陕西省网络数据分析与智能处理重点实验室（西安邮电大学），西安 710121）

0 引言

癌症是目前世界范围内人类疾病和死亡的主要原因之一。根据世界卫生组织国际癌症研究机构2020年2月发布的《2020 年癌症报告》，在2018 年有960 万人死于癌症，并预计2040年将有2 700万新发病例［1］。对于女性而言，乳腺癌是全球发病率和死亡率最高的癌症，2018 年全球女性乳腺癌发病率为24.2%，死亡率为15%。早期发现在癌症诊断中起着关键作用，可以提高长期生存率［2］。乳腺癌的诊断通常采用放射学图像分析进行初步检查，如乳腺X 线诊断（X-rays）［3］、超声检查（B 超）［4］、热成像［5］等，以确定异常部位。然后，如果检查显示有恶性组织生长的可能，再进行乳腺组织活检。活检即取组织在显微镜下研究是否存在癌症，是鉴别某个部位是否癌变的唯一可靠方法［6］。但是，传统的人工诊断需要具有专业知识的专家进行高强度的工作，主观想法对乳腺肿瘤的诊断结果影响较大，并且缺乏诊断经验的病理学家容易出现诊断错误。研究表明，利用计算机辅助诊断（Computer-Aided Diagnosis，CAD）对乳腺组织病理图像进行自动、精确的分类，不仅可以为医生提供了更加客观、准确的诊断参考，也可以提高医生的诊断效率和诊断的准确率［7］。

虽然乳腺癌诊断的影像自动处理作为一个研究课题已经探索了很多年，但由于需要分析的图像比较复杂，因此仍然具有一定的挑战性。有研究人员利用特征描述符和机器学习算法，对乳腺组织病理图像进行分类。……