基于对比增强的超声视频的域知识为乳腺癌诊断提供了深度学习
Domain Knowledge Powered Deep Learning for Breast Cancer Diagnosis Based on Contrast-Enhanced Ultrasound Videos
- 期刊分析
-
- 摘要
- 引言
- 相关工作
-
- 乳腺癌中的CAD
- 基于乳房CEU的CAD
- 方法
-
- 整体框架
- 原始C3D骨干
- 领域知识指导的时间注意模块(DKG-TMA)
- 域知识引导的通道注意模块
- 数据集和实验
-
- 乳腺-对比增强超声数据集
- 实验设置
- 实验结果
- 讨论
- 总结
- 可借鉴参考
期刊分析
期刊名： IEEE Transactions on Medical Imaging
期刊信息： IF: 8.9; JCR: Q1; 中科院一区
其余信息： 代码
摘要
近年来，深度学习已被广泛用于乳腺癌的诊断中，并且出现了许多高性能模型。但是，大多数现有的深度学习模型主要基于静态乳房超声（US）图像。在实际诊断过程中，对比增强超声（CEU）是放射科医生常用的技术。与静态乳房图像相比，CEUS视频可以提供更详细的肿瘤血液供应信息，因此可以帮助放射学家进行更准确的诊断。在本文中，我们提出了一个基于CEUS视频的新型诊断模型。该模型的骨干是一个3D卷积神经网络。更具体地说，我们注意到放射线医生在浏览CEUS视频时通常遵循两种特定模式。一种模式是，它们专注于特定的时间段，另一个模式是他们注意CEU框架和相应的美国图像之间的差异。为了将这两种模式纳入我们的深度学习模型，我们设计了一个领域知识指导的时间注意模块和通道注意模块。我们在由221例病例组成的胸前数据集上验证我们的模型。结果表明，