您当前的位置：成果库 > 基于动态光学影像的乳腺肿瘤诊断方法
基于动态光学影像的乳腺肿瘤诊断方法
205
2026/09/08基本信息
- 负责人 袁细国
- 所属学院 计算机科学与技术学院
-
项目简介
本项目旨在研究基于动态光学影像的乳腺肿瘤良恶性分类方法，重点在于提升分类模型的准确性和鲁棒性，为医生进行乳腺肿瘤良恶性诊断提供可靠参考。项目的研究内容包括以下几个方面：
1、数据预处理与特征提取
针对动态光学影像采集过程中获得的多种类型数据，开展系统的预处理工作，包括去噪、归一化和标准化处理。结合乳腺肿瘤良恶性分类的需求，探索和提取能够有效表征肿瘤特性的多维特征，例如动态光学数据中的时间、频率和空间信息。
2、多个基础分类模型的构建与优化
充分研究多种类型的动态光学影像与提取的图像特征，结合病人的生理信息，基于逻辑回归、对比学习、注意力机制等多种理论方法，构建了9个基础分类模型，对乳腺肿瘤的良恶性分类进行初步探索。通过交叉验证评估各模型的性能，结合数据特性选择最优基础模型，并优化模型的超参数和结构。
3、基于贝叶斯理论的集成学习方法
在基础分类模型的基础上，深入研究不同模型之间的特性互补性，探索集成学习在乳腺肿瘤分类中的应用，尝试多种融合策略，包括基于不确定度评估的动态集成选择模型、基于贝叶斯理论的深度集成模型、基于特征差异性的动态集成模型，通过整合多个优化模型，进一步提升整体分类系统的准确性和鲁棒性。
4、模型验证与评估
利用真实临床数据和实验数据对最终分类系统进行全面验证，评估其在乳腺肿瘤良恶性分类中的准确性、敏感性、特异性等关键指标。结果表明，在55例测试集上的最优测试结果可以达到：准确率88%，敏感度89%，特异度87%。证明了，本项目研究方法的有效性，为未来在临床中的推广应用提供理论依据。 -
