[發明專利]基于輕量級神經網絡的乳腺鉬靶圖像深度學習分類方法

有效

• 申請號: 201711343994.7
• 申請日: 2017-12-15
• 公開（公告）號: CN108052977B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 時鵬;鐘婧
• 申請（專利權）人: 福建師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊;丘鴻超

本發明涉及一種基于輕量級神經網絡的乳腺鉬靶圖像深度學習分類方法。該方法運用了基于深度學習的圖像分類算法，實現對于乳腺鉬靶圖像的乳腺密度分類，并且運用了基于輕量級神經網絡的深度學習框架。本發明方法顯著提高了在小規模圖像數據集上的適應性，進而提高了乳腺密度分類的準確性和處理速度，能夠實現乳腺鉬靶圖像的自動化乳腺密度分類。

技術領域

本發明屬于生物醫學領域，具體涉及一種基于輕量級神經網絡的乳腺鉬靶圖像深度學習分類方法。

背景技術

乳腺鉬靶全稱乳腺鉬靶X線攝影檢查，又稱鉬鈀檢查，是目前診斷乳腺疾病的首選和最簡便、最可靠的無創性檢測手段，痛苦相對較小，簡便易行，且分辨率高，重復性好，留取的圖像可供前后對比，不受年齡、體形的限制，目前已作為常規的檢查手段。乳腺鉬靶作為一種相對無創性的檢查方法，可以比較全面而正確地反應出整個乳腺的大體解剖結構，觀察各種生理因素如月經周期、妊娠、哺乳等對乳腺結構的影響，并可以動態觀察；協助鑒別出乳腺的良性病變和惡性腫瘤；早期發現可疑病變，定期隨訪攝片觀察；對于乳腺癌患者進行內分泌治療、放療、化療后的病變情況進行隨訪檢查，觀察療效，并對健側乳腺進行定期監測。

乳腺鉬靶是目前乳腺癌篩查最重要的無創性檢查手段，乳腺影像報告和數據系統(BI-RADS)將鉬靶乳腺密度分為四級，作為重要診斷基礎。然而在醫學鉬靶圖像樣本數量少、差異大、密度分布不均等特點，對于乳腺鉬靶圖像處理與分析應用而言，人工識別方式只能對乳腺區域邊界進行簡單劃分，并對區域內乳腺密度進行定性的估計，已經難以滿足乳腺密度分類對于精度和速度的要求，而傳統的乳腺鉬靶圖像自動密度分類方法也存在著嚴重影響分析結果的的缺點：乳腺本身且形態各異，難以采用傳統基于形態模型的方法對各類組織進行分割，造成乳腺和圖像背景之間邊界劃分不準確；乳腺內部各類組織密度分布極不均勻，使得密度分布柱狀圖統計結果容易以偏概全，造成乳腺整體密度的統計分析發生錯誤，嚴重影響了乳腺鉬靶密度分類的判別精度和處理速度。

發明內容

本發明的目的在于提供一種基于輕量級神經網絡的乳腺鉬靶圖像深度學習分類方法，利用乳腺常規檢測所產生的乳腺鉬靶圖像之后，對數字化的乳腺鉬靶圖像進行基于深度學習的處理與分析，從而自動的將乳腺鉬靶圖像進行密度分類，以減輕影像醫師工作量，提高乳腺疾病診斷率。

為實現上述目的，本發明的技術方案是：一種基于輕量級神經網絡的乳腺鉬靶圖像深度學習分類方法，包括如下步驟，

(I)對已知密度分類的乳腺鉬靶數據集中所有原始圖像進行像素灰度梯度權重計算，得到對應的梯度權重圖；

(II)對所述梯度權重圖進行封閉區域的侵蝕和膨脹操作，去除圖像中的人工干擾物，得到僅包含乳房與胸部肌肉的前景區域圖像；

(III)對所述已知密度分類的乳腺鉬靶數據集中所有原始圖像與其對應的前景區域圖像相融合，得到僅包含胸部肌肉和乳腺的圖像訓練集；

(IV)構建基于輕量級神經網絡的深度學習框架，共包含12層，按照順序依次包含一個輸入層、一個含卷積核并采用修正線性單元激活函數的卷積層、一個含卷積核并采用最大采樣函數的池化層、一個含卷積核并采用ReLU激活函數的卷積層、一個含卷積核并采用Maxpooling的池化層、一個含卷積核并采用ReLU激活函數的卷積層、一個含卷積核并采用Maxpooling的池化層、一個數據平面化層、一個64位全連接層、一個丟棄比例為0.5的數據丟棄層、一個4位全連接層、以及一個采用歸一化指數激活函數的激活層作為輸出層；

(V)對所述的訓練集圖像經過樣本擴展增加輸入樣本數量至深度學習框架，由神經網絡自動計算分類結果并與真實分類進行比較，所得誤差反饋至神經網絡中對各卷積核參數進行修正，訓練集圖像經過修正后的網絡重新計算分類結果并與真實分類進行比較，誤差反饋至神經網絡進行修正，如此循環200次，完成訓練過程；

(VI)對未分類的圖像進行像素灰度梯度權重計算，得到對應的梯度權重圖；