基于改进VMamba-DFF-YOLOv10的乳腺癌图像识别
惠雨晨
戴道成
王富强
胡少青
西安明德理工学院 陕西西安 710124
摘要：多年来,利用深度学习进行早期乳腺癌诊断可以提高诊断效果.然而,传统的诊断方法有其局限性,如复杂的特征提取和多阶段分类过程.这些过程不仅增加了计算的复杂性,也影响了分类的效率和准确性,依赖单一成像模式有可能漏诊或误诊.考虑到VMamba在乳腺肿瘤图像识别的效率-性能权衡中经常出现的不足,以及Transformers固有的二次计算复杂性,文章提出了 VMamba-DFF-YOLOv10模型.该模型集成了 VMamba和YOLO技术的原理,并用空间通道解耦下采样取代了 VMamba中的下采样组件,以促进乳腺癌图像识别和FLOPS的高效协同.此外,引入双相特征融合(dual-phase feature fusion)技术,结合两种成像模式(乳腺X射线照相术和核磁共振成像)进行分类,通过整合来自不同模式的信息,显著提高了分类准确性.实验结果表明,与其他模型相比,VMamba-DFF-YOLOv10模型取得了更好的结果.例如,该方法的准确率、AP、AUC和Kappa分别达到了 83.34％、93.79％、0.95和86.1％,与其他模型相比,FLOP更少,准确率更高.
关键词：乳腺癌检测VMambaYOLOv10多模态成像融合
论文发表日期：2025-04-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 43-46 )