公开(公告)号：CN114913120B

公开(公告)日：2025-02-25

申请号：CN202210340503.8

申请日：2022-03-31

Applicant: 上海大学

Inventor： 丁维昌 ,  王骏 ,  施俊

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/73 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明提供了一种基于迁移学习的多任务乳腺癌超声检测方法。将乳腺癌肿瘤定位和分类任务集合到一个统一的框架中。为了提高辅助诊断的技术支撑，利用协作学习将弹性成像超声(EUS)模态中的硬度信息迁移至B型超声(BUS)通道网络；并在此基础上，提出双通道ResNet‑GAP，一个用于BUS模态，另一个用于EUS模态。在每个通道中，使用卷积核生成类激活映射图(CAM)，利用两个通道间CAM的一致性反复迭代训练。基于训练完成的网络模型，预测乳腺癌肿瘤的良恶性。本发明方法实现对乳腺癌肿瘤端到端的定位检测，使弹性超声的信息得到最大化利用，提高了医生的工作效率和诊断准确率。

公开(公告)号：CN114913120A

公开(公告)日：2022-08-16

申请号：CN202210340503.8

申请日：2022-03-31

Applicant: 上海大学

Inventor： 丁维昌 ,  王骏 ,  施俊

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/73 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于迁移学习的多任务乳腺癌超声检测方法。将乳腺癌肿瘤定位和分类任务集合到一个统一的框架中。为了提高辅助诊断的技术支撑，利用协作学习将弹性成像超声(EUS)模态中的硬度信息迁移至B型超声(BUS)通道网络；并在此基础上，提出双通道ResNet‑GAP，一个用于BUS模态，另一个用于EUS模态。在每个通道中，使用卷积核生成类激活映射图(CAM)，利用两个通道间CAM的一致性反复迭代训练。基于训练完成的网络模型，预测乳腺癌肿瘤的良恶性。本发明方法实现对乳腺癌肿瘤端到端的定位检测，使弹性超声的信息得到最大化利用，提高了医生的工作效率和诊断准确率。