基于超声射频信号的特征融合方法对乳腺肿瘤良恶性诊断的价值

为实现对乳腺肿瘤良恶性的高效判别,本文尝试从原始超声射频(Radio Frequency, RF)信号构建融合模型。首先从RF信号提取16种超声特征参数组成特征图图谱。构建高性能卷积网络用于提取多特征图的深度学习特征,并与多特征图的传统组学特征拼接融合;然后进行特征筛选、训练支持向量机模型。实验结果发现,基于支持向量机的特征融合模型在乳腺肿瘤的良恶性诊断中性能优良,测试集的受试者操作特性曲线下的面积、准确率、灵敏度和特异度分别达到：0.992、91.3%、92.3%和90.0%。在本文数据集上,使用RF信号比超声灰阶图像能更高效地实现乳腺恶性肿瘤的识别。与单一使用深度学习特征相比,融合传统组学特征后,乳腺肿瘤良恶性鉴别性能显著提升。