欧阳汝珊 林小慧 马捷

2020年国际癌症研究机构中心报告显示，全球女性乳腺癌发病率居于首位，且死亡率逐年上升[1]。近期有研究[2]数据表明，中国乳腺癌的发病年龄为40～50岁，较欧美女性早约10年。早期发现、早期诊断及早期治疗可有效降低我国女性乳腺癌死亡率，提高生存率和生活质量。乳腺疾病的影像诊断方法包括X线摄影、超声、MRI等，乳腺X摄影是目前唯一被美国食品药物管理局（FDA）证实可有效降低乳腺癌死亡率的影像学方法；而乳腺X线摄影受腺体密度影响，易掩盖或遗漏致密型乳腺内的非钙化性病变。深度学习（deep learning,DL）在乳腺X线摄影临床数据中的应用，显著提高了医生工作效率和阅片稳定性，减少了病人召回率，在乳腺癌检出方面，逐渐显现其优势[3]。

1 DL概述

最早应用于乳腺X线摄影的人工智能（artificial intelligence,AI）技术是计算机辅助诊断/检测（computeraided diagnosis/detection,CAD）系统，传统CAD性能不稳定，假阳性率高，高度依赖人工选择及分类器整合特征。随着机器学习算法的成熟，基于影像组学及DL的CAD系统取得了很大进展，可显著提高影像科医师的诊断效率及准确度[3]。影像组学是将数字医学图像转换为可挖掘的高维数据的方法，但在高维的特征空间中人工提取出有区分性的高质量特征存在一定的困难，需要大量时间和经验[4]。不同于影像组学，DL方法包括多个处理层的感知器，每一层均为典型的神经网络，能够通过模拟人脑的层次结构，低层神经网络可以自动学习和提取特征，高层神经网络可根据提取的有效特征进行分类[5-6]。……