基于改进VMamba-DFF-YOLOv10的乳腺癌图像识别  

作　　者：惠雨晨 戴道成 王富强 胡少青 HUI Yuchen;DAI Daocheng;WANG Fuqiang;HU Shaoqing

机构地区：[1]西安明德理工学院,陕西西安710124

出　　处：《信息技术与信息化》2025年第4期43-46,共4页Information Technology and Informatization

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 VMamba YOLOv10 多模态成像融合 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]