top of page
基於MultiResUnet深度學習方法於乳房X光影像之腫瘤區域分割及辨識
Based on the MultiResUnet deep learning method for
mass segmentation and recognition in breast X-ray images
工作代號：
ZW2
指導老師：
黃正達教授
學生姓名：
鄭語萱
學號：
1091627
研究動機
癌症通常為細胞突變而導致其不規則生長成為腫瘤，目前為全球第二大死因。其中分辨是否為癌症的指標為辨認其腫瘤為良性或惡性(癌症)，良性腫瘤之細胞正常、生長速度緩慢，惡性腫瘤生長速度快，會主動攻擊附近組織傷害其他部位。
衛生福利部109年癌症登記報告顯示，每天約有7.3人死於乳癌，死亡率在婦女癌症中排名第三，在108年時更攀居死亡率第一。由此可見乳癌嚴重威脅了婦女的健康，美國癌症研究所指出有38%的乳癌可依靠平時養成的健康生活習慣預防，而依靠科學技術，乳房X光攝影檢查為最安全有效的基礎篩檢工具，乳房X光攝影可用來偵測乳房中的鈣化點及腫瘤，目前美國放射學院提出一套乳房報告數據系統(BI-RADS)，將乳房X光攝影的檢查結果依乳房對稱性、鈣化點分布、結構是否異常及腫瘤種類分為0至6級。
bottom of page