[發明專利]基于卷積神經網絡的乳腺X線圖像增強方法

有效

• 申請號: 201710326990.1
• 申請日: 2017-05-10
• 公開（公告）號: CN107133933B
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 何基
• 申請（專利權）人: 廣州海兆印豐信息科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 趙蕊紅

本發明提出一種基于卷積神經網絡的乳腺X線圖像增強方法，該發明通過將乳腺X線圖像利用深度卷積神經網絡低對比度乳腺圖像與增強圖像之間的深層次的特征映射關系，實現了無復雜操作、無參數調節的低對比度乳腺X線圖像增強處理；通過使用多尺度級聯方式，解決了在大尺度乳腺X線圖像增強處理過程中對復雜網絡的需求，同時多尺度級聯方式拓寬了簡單網絡的視野，使小尺度圖像下的宏觀結構信息能夠有效傳遞給大尺度圖像，從而幫助實現保持大尺度增強圖像的高分辨率特性。

技術領域

本發明涉及X線圖像處理技術領域，特別是涉及一種基于卷積神經網絡的乳腺X線圖像增強方法。

背景技術

乳腺X線攝影作為常規乳腺檢查的影像學手段，已被臨床醫生廣泛應用于乳腺癌的篩查和診斷。但直接由探測器生成的圖像量子噪聲大，對比度低，無法直接用于乳腺癌的篩查與診斷。如何對原始乳腺X線圖像進行增強，突出圖像中的有用信息，有效改善乳腺圖像的視覺效果，為醫生提供更為可靠的診斷依據，已經成為醫學圖像處理領域研究的關鍵技術。

到目前為止，已有多種增強算法用于提高乳腺X線圖像的圖像質量，比如基于濾波的方法、基于直方圖均衡化的方法、基于小波變換或者基于模糊集的方法。方法可以大致分為兩種：空間域方法和變換域方法。

基于空間域處理的濾波或直方圖均衡化方法由于缺乏對噪聲與對比度的權衡處理能力，導致處理結果通常會引入各種偽影，如拖尾效應或褪色效應從而使得圖像整體表現不好，并且由于乳腺圖像的超低對比度，此類方法對乳腺圖像的增強效果有限。

變換域處理法增強效果與所選用的頻域變換法有很大關系，并且變換過程參數多，難以確定一組普適參數，導致對不同圖像的增強效果良莠不齊，雖然可以通過調節參數最終改善圖像質量，但是還是不能夠滿足臨床中實時交互的要求。

因此，針對現有技術不足，提供一種基于卷積神經網絡的乳腺X線圖像增強方法以解決現有技術不足甚為必要。

發明內容

本發明的目的在于避免現有技術的不足之處而提供一種基于卷積神經網絡的乳腺X線圖像增強方法，該基于卷積神經網絡的乳腺X線圖像增強方法，本發明通過將乳腺X線圖像利用深度卷積神經網絡低對比度乳腺圖像與增強圖像之間的深層次的特征映射關系，實現了無復雜操作、無參數調節的低對比度乳腺X線圖像增強處理；通過使用多尺度級聯方式，解決了在大尺度乳腺X線圖像增強處理過程中對復雜網絡的需求，同時多尺度級聯方式拓寬了簡單網絡的視野，使小尺度圖像下的宏觀結構信息能夠有效傳遞給大尺度圖像，從而幫助實現保持大尺度增強圖像的高分辨率特性。

本發明的上述目的通過如下技術手段實現。

提供基于卷積神經網絡的乳腺X線圖像增強方法，圖像增強方法包括以下步驟：

A1、構建訓練數據庫；

A2、進行單尺度乳腺圖像增強卷積神經網絡訓練；

A3、將訓練好的單尺度卷積神經網絡模型對原始低對比乳腺X線圖像進行增強處理；

A4、進行多尺度乳腺圖像增強級聯卷積神經網絡訓練；

A5、將訓練好的多尺度卷積神經網絡模型對原始低對比乳腺X線圖像進行增強處理。

具體而言的，步驟A1中構建訓練數據庫的方法如下：

A11、獲取乳腺X線圖像數據，包括低對比原始圖像數據I_lc和增強圖像數據I_hc；

A12、對步驟A11中獲取的原始圖像數據I_lc和I_hc進行標準化處理，得到和

A13、通過步驟A12中處理后得到的和進行訓練數據庫DataBase的構建。