近日，深圳大学医学部生物医学工程学院倪东教授团队在国际医学图像分析领域的顶级期刊《Medical Image Analysis》（IF为8.545）上发表了题为“Extracting keyframes of Breast Ultrasound Video using Deep Reinforcement Learning”的研究成果。该工作由倪东教授团队完成。倪东教授为通讯作者，团队成员研究生英启龙和黄若冰助理教授为第一作者，深圳大学为第一署名单位。

超声在乳腺癌筛查中起到至关重要的作用。然而，乳腺超声视频含有丰富诊断信息的同时包含大量的冗余信息。如何去伪存真，快速有效定位含有丰富诊断价值的关键帧序列是一件十分重要且具有挑战性的研究问题。

在本研究中，针对乳腺超声视频的冗余性及复杂性，团队设计了基于深度强化学习自动提取视频关键帧的框架。通过对病灶在乳腺超声视频中出现的位置，大小以及属性的分析，设计新颖的奖励机制以及处理数据不均衡的损失函数，有效应对乳腺超声视频的复杂情况，动态输出包含丰富诊断信息的关键帧集(图1)。通过关键帧集的自动生成，有效辅助医生诊断，提高了医生对乳腺结节良恶性的分类精度。

图1包含丰富诊断信息的关键帧集

该工作得到了国家重点研发计划（No.2019YFC0118300）；深圳孔雀计划（No.KQTD2016053112051497, KQJSCX20180328095606003);中国广东省医学科研基金（编号B2018031）；广东省自然科学基金区域联合基金重点项目（No.2020B1515120098）的支持。