结论乳腺癌术后及放、化疗并发症证候复杂多变,掌握其证候演变规律及方药特点对发挥中医药在该领域的治疗优势具有重要意义。
针对基于单视图的深度学习乳腺肿块检测算法假阳性率较高问题,提出一种双视图信息融合的乳腺肿块自动检测算法。首先建立双曲正割模型,利用互相关法自动搜索乳腺X线摄影图像点击此处中的肿块感兴趣区域,并根据胸壁线、乳头位置在双侧头尾位和内外侧斜位图像上建立物理坐标系,筛选标注假阳性区域以在数据层扩充监督学习信息;其次,设计空间金字塔池化模块有效融合基于YOLOv3主干网络提取的多尺度局部特征以提高检测敏感性;最后,在类别损失函数中增加聚焦参数A-1331852供应商,通过调节算法学习过程以提高检测特异性。充分利用双视图数据提供的先验信息提高检测正确率,实验结果表明检测敏感性达到92.0%,特异性达到87.7%,平均每幅图像假阳性0.041个,其检测性能较原模型大幅提升,且具有较好的鲁棒性。
目的探讨乳腺X线摄影全乳更多图像纹理特征与乳腺良恶性病变的相关性。方法搜集经病理证实的乳腺良、恶性病例各50例,所有患者治疗前均进行乳腺X线摄影检查。使用MaZda软件在单侧内外侧斜位(MLO)图像上手动勾画全乳感兴趣区(ROI),进行纹理特征提取,然后对提取的纹理参数进行统计学分析。结果对30个纹理参数进行t检验,结果显示有28个纹理参数具有统计学意义(P<0.05)。