交叉模态图像特征融合诊断乳腺癌( Cross-modality image feature fusion diagnosis in breast cancer )

M Jiang L Han H Sun J Li T Yu

为了提高乳腺癌诊断的准确性，考虑到乳腺钼靶和乳腺MRI的互补性，开展了基于跨模态图像的特征融合诊断研究。回顾性分析了201例同时行乳腺钼靶和MRI检查的患者，其中良性病变117例，恶性病变84例。在序贯浮动前向选择方法的基础上，定义了序贯浮动前向选择(SFFS)的两种特征优化策略SFFS-1和SFFS-2。分别对单模态图像的诊断性能进行了分析，并对跨模态图像的特征融合诊断进行了研究。比较了三种特征融合方法：优化MRI特征，然后融合乳腺摄影特征；优化乳腺X线图像特征，融合MRI特征；从整个特征集（钼靶摄影和MRI）中选择有效的特征。将支持向量机、朴素贝叶斯和k近邻作为分类器，并将其集成起来，以获得更好的分类效果。MRI的平均准确率和ROC曲线下面积(AUC)分别为88.56%,SFFS-1为0.9,88.39%,0.89,SFFS-2为84.25%,SFFS-1为0.84,SFFS-2为80.43%,SFFS-2为0.80）。与单一模态相比，跨模态特征融合的平均准确率和AUC分别从85.40%和0.86提高到89.66%和0.91。分类器集成提高了分类精度和AUC从90.49%,0.92提高到92.37%,0.97。跨模态图像特征融合可以取得比单一模态更好的诊断性能。特征选择策略SFFS-1比SFFS-2具有更好的效率。分类器集成可以进一步提高诊断准确率。

SciDown文献求助系统（解决99%问题） Public Download IOP ResearchGate