成果简介：

根据世界卫生组织国际癌症研究机构的数据，2023年全球新发癌症病例达1929万例，其中乳腺癌新发病例达226万例，成为女性最常见的癌症类型。团队开发了基于多模态数据的乳腺癌智能诊断平台，推动了乳腺癌早期筛查的智能化和精准化。

该系统能对多模态乳腺数据进行全面质量检查，涵盖遗传病史、人口统计信息、妇科特征、临床检查描述及医学图像等多种数据类型。通过自动生成详细的质量检查报告，显著提升了乳腺癌多模态数据的质量控制效率与准确性，为未来乳腺癌的早期筛查和个性化医疗提供了新思路和新工具。

项目组深耕乳腺癌诊断领域，成功获得国家自然科学基金、陕西省重点研发计划、教育部人文社科项目等多项资助，发表SCI期刊论文20余篇，拥有5项发明专利和4项软件著作权，提出一系列创新深度学习方法，涵盖了深度融合多序列MRI特征的病灶分割、基于格式塔理论的钼靶图像病灶检测、结合2D与3D卷积网络及多尺度上下文信息的病灶分割、基于多视图数据的深度融合的乳腺肿块分类、以及针对缺失MRI序列的深度卷积网络的乳腺病灶诊断，具有丰富理论基础，为临床实践提供了有力支持。

乳腺病灶分割效果图

基于多模态数据的乳腺癌智能诊断平台


基于大模型的乳腺多模态数据质检报告自动生成系统（部分结果）