TY -非盟的焦汉盟——江,新华社盟,彭日成庸AU -林,现任非盟-黄,兴企AU -李,李PY - 2020 DA - 2020/05/05 TI -深卷积神经网络模式自动检测乳腺癌分割和质量在DCE-MRI SP - 2413706六世- 2020 AB -乳房在医学图像分割和质量检测对诊断和治疗随访很重要。这些具有挑战性的任务的自动化可以帮助放射科医生通过减少乳腺癌的高体力工作负载分析。摘要深卷积神经网络(DCNN)用于乳房分割和质量检测在动态对比增强磁共振成像(DCE-MRI)。首先,该地区的乳房从其余身体部位分割通过构建一个完全基于U-Net + +卷积神经网络。使用深度学习的方法提取目标区域可以帮助减少乳房外部的干扰。第二,更快的地区卷积神经网络(快RCNN)是用于质量检测分割乳腺图像。DCE-MRI用于本研究的数据来自75名患者,采用5倍交叉验证方法。乳房区域分割的统计分析是由计算骰子相似系数(DSC), Jaccard系数和分割的敏感性。乳房质量检测、验证的敏感性与假阳性的数量每箱是计算和分析。骰子和Jaccard系数和乳房区域分割的分割灵敏度值是0.951,0.908,和0.948,分别是比原来的U-Net算法,和质量检测的平均灵敏度达到0.874与3.4假阳性情况。 SN - 1748-670X UR - https://doi.org/10.1155/2020/2413706 DO - 10.1155/2020/2413706 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -