基于难样本挖掘和深度学习的乳腺癌检测方法

摘要

为解决当前乳腺癌影像检测任务中数据样本量少、医学专业性强等问题,提出一种基于难样本挖掘和深度学习的乳腺癌检测方法.以乳腺癌医学图像数据库中含有正负样本的X光影像训练模型,通过改进Mask R-CNN特征金字塔结构对目标区域的高低层特征充分学习,利用难样本挖掘方法对正样本及难负样本进一步筛选,降低患病区域误检率,避免深度学习模型依赖样本量所造成的过拟合问题.实验结果表明,该方法在公开数据集上的检测精度达到85.92％-86.75％,精度提高了3％ 左右,提高了原检测方法的准确性和鲁棒性.