肿瘤研究杂志
开放获取

抽象的

在乳房 X 光照片上使用 Mask R-CNN 对乳腺肿瘤进行分类和分割

赛义德·卡齐姆·拉扎、赛义德·沙米尔·萨瓦尔、萨阿德·穆罕默德·赛义德、纳吉德·艾哈迈德·汗

目的：与女性中可能发现的任何其他癌症相比，乳腺癌导致的女性死亡人数更多。话虽如此，这项研究提出了一种可以检测、分类和分割不同类型乳腺肿瘤的方法。本文还讨论了过去对乳腺癌进行分类和分割的不同方法。

方法：通过乳房肌肉的 MRI 和/或乳房 X 光检查可以在早期发现乳腺癌。本研究提出了一种用于乳腺癌检测、分类和分割的新方法。所提出的框架使用来自 CBIS-DDSM（DDSM 的精选乳房成像子集）DICOM 图像的乳房 X 光照片。乳房X光检查是肌肉的放射图像。DICOM 数据经过预处理，可以与更传统的格式合并，然后从乳房 X 光图像中取出补丁，最后将其输入掩模 RCNN 神经网络。

结果：该方法的结果是，所提出的框架能够定位癌症肿瘤，即使它已经在多个区域发展，使其成为多类分类器。该框架还能够对肿瘤是良性还是恶性进行分类，并通过像素注释来分割癌性肿瘤区域。在测试用例上观察到的平均准确率约为 85%，精确率为 0.75，召回率为 0.8，F1 得分为 0.825。

结论：所提出的框架具有成本效益，可以作为放射科医生检测乳腺癌的帮助工具。将来，所提出的方法也可以应用于其他癌性肿瘤，以达到分类和分割的目的。