近年来,乳腺癌已成为严重威胁女性健康的高发癌症之一。通过早期发现和早期诊断是目前治疗乳腺癌最好的方法,而钼靶X线摄像是目前最适合进行普查的方法。本文的研究工作主要是基于深度学习方法对早期乳腺癌诊断的研究,探索深度学习方法在乳腺癌肿块检索上的应用。以往的乳腺癌肿块检索大多数采用基于手工提取特征的机器学习方法,在检索结果的语义和视觉相似性上有较大的局限性。近些年来深度学习在计算机视觉领域取得了突破性的发展,获得了出色的应用效果。本研究开展基于深度学习的乳腺钼靶检索方法研究,具体研究内容包括以下两个方面:(1)基于深度学习特征表达的乳腺钼靶图像检索方法研究利用三种深度学习框架先对乳腺癌感兴趣区域(Region Of Interest,ROI)进行良恶性二分类训练,选择具有最佳分类效果的特征表达作为检索搜索的特征向量,最后通过计算待诊断ROI与已确诊影像库中ROI特征向量之间的欧氏距离来进行检索。从研究结果来看,Resnet模型能较好地提取乳腺癌良恶性的特征表达,通过计算特征表达的距离后得到检索的平均分类精度和平均检索精度(感知相似性的评价指标)分别为0.90和0.62。(2)基于深度学习感知相似性的乳腺钼靶图像检索方法研究依据“黄金标准”对ROI两两之间进行感知相似度打分,然后通过基于两通道的卷积神经网络对ROI之间的感知相似性进行学习,随后根据模型输出的感知相似性得分进行检索。基于深度学习感知相似性的方法对肿块ROI的良恶性检索的平均分类精度和平均检索精度分别达到0.70和0.76,其中平均分类精度在进行加权后提升到了0.74,后续对其进行了两种优化后平均分类精度分别提升到了0.90和0.73。研究结果表明基于深度学习的检索方法可以提供在语义和感知上都较为相似的ROI,通过进一步的优化提高以及与临床实际的有机结合,可以有助于提升医生的诊断准确率,具有潜在的临床应用前景。