项目简介
在经过多个医院乳腺影像科一线医生广泛讨论后，项目拟解决两个方面的问题，包括：典型病变的精确定位和诊断分类：利用深度学习算法，借助大量的有医生标注病变类型和病变位置的乳腺钼靶图片，自动学习病变区域的特征来进行病变定位（回归）和诊断（分类）。拟开发一款深度学习产品，在诊断准确率上可以达到或者超过低年资医生的准确率。这不仅可以降低经济发达地区影像科医生的工作负荷并提高工作效率，也可以提高经济欠发达地区的影像诊断水平。
非典型病变的可疑区域定位和辅助筛查：利用肉眼无法察觉但B超确认存在病变的患者钼靶图片作为训练样本进行训练，利用从微小异常中学习得到的特征进行分类诊断。对于需要进一步影像学检查的样本，我们通过深度学习可解释性的方法在钼靶图片中找到影响分类诊断结果最大的几个区域作为高度可疑区域，作为后续影像学检查的重点观察区域。这种方法能够很好的解决目前中国女性乳腺钼靶筛查中遇到的困难，具有“问题新”、“方法新”的特点，极具科研价值。
应用领域
生物健康产业。本项目将以深度学习为代表的人工智能技术引入了乳腺钼靶影像分析领域中，辅助医生进行更为精确的诊断，减少漏诊，误诊的发生，可降低经济发达地区影像科医生的工作负荷并提高工作效率，也可提高经济欠发达地区的影像诊断水平。
