近日，团队仪器仪表工程专业硕士研究生陈继群在乳腺钼靶图像分类研究取得重要进展，相关研究成果《Domain Generalization for Mammogram Classification by Suppressing Domain-Specific Features》发表在国际医学图像计算和计算机辅助干预会议（MICCAI 2025）。MICCAI是医学成像领域国际顶级会议。该工作是中国石油大学（华东）控制科学与工程学院模式识别与智能信息处理团队与山东省肿瘤医院乳腺科合作完成，是人工智能与乳腺癌诊断的结合。论文第一作者为陈继群，通讯作者为刘宝弟副教授，中国石油大学（华东）为第一署名单位和唯一通讯单位。该研究得到山东省自然科学基金的资助。

通过抑制区域特定特征进行乳房X线图像分类的区域泛化

乳腺癌的早期发现和治疗可以显著降低患者死亡率，而乳腺钼靶检查是早期筛查的有效方法。基于深度学习的乳腺钼靶计算机辅助诊断（CAD）可以辅助放射科医生做出更客观准确的判断。然而，不同型号的钼靶设备获取的图像存在显著差异。​​现有模型在训练过程中往往过度依赖域相关特征，导致基于源域训练的模型在应用于跨域数据时出现明显的性能下降，这阻碍了其在动态临床环境中的部署。为此，论文提出了基于抑制域相关特征的乳腺钼靶影像分类域泛化方法（MC-SDS）。通过抑制域相关特征对模型的错误影响，MC-SDS有效降低了模型在不同乳腺钼靶影像数据集中出现错误分类的风险, 显著提升了模型的泛化能力。