[發明專利]基于乳腺鉬靶鈣化特征的癌癥診斷系統及方法

有效

• 申請號: 201810037664.3
• 申請日: 2018-01-16
• 公開（公告）號: CN108416360B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 宋炎;蔡宏民
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/771;G06K9/62;G16H30/20;G16H50/20
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.基于乳腺鉬靶鈣化特征的癌癥診斷系統，其特征在于：包括用于對乳腺鉬靶圖像進行圖像增強與病灶檢測，以獲取鈣化病灶區域的圖像預處理模塊；針對鈣化病灶區域提取其傳統特征和深度特征，對傳統特征與深度特征進行典型關聯分析，篩去深度特征中與傳統特征關聯不緊密的特征的特征提取模塊；針對篩選過后的深度特征，通過樣本訓練支持向量機對新的鈣化病灶進行分類的特征分類模塊。

2.根據權利要求1所述的基于乳腺鉬靶鈣化特征的癌癥診斷系統，其特征在于：所述圖像預處理模塊包括通過對乳腺鉬靶圖像進行對比度增強、形態學變換來突出鈣化病灶區域特性的圖像增強器；用于提取圖像高頻區域的小波變換處理器和通過大律法自適應閾值乘以指定系數來二值化分割鈣化病灶區域的二值化處理器。

3.根據權利要求1所述的基于乳腺鉬靶鈣化特征的癌癥診斷系統，其特征在于：所述特征提取模塊包括用于對增強提取的鈣化病灶區域進行形態學特征、灰度共生矩陣特征、灰度游程矩陣特征及小波特征提取的傳統特征提取器；用于對增強提取的鈣化病灶區域進行深度特征提取的深度特征提取器；基于鈣化病灶區域的深度特征與傳統特征進行典型關聯分析，篩去深度特征中與傳統特征關聯不緊密的特征的特征融合處理器。

4.根據權利要求1所述的基于乳腺鉬靶鈣化特征的癌癥診斷系統，其特征在于：所述特征分類模塊包括用于對融合后的深度特征進行訓練，生成線性分類器來對鈣化病灶進行診斷分類的分類器訓練單元。

5.基于乳腺鉬靶鈣化特征的癌癥診斷方法，其特征在于，所述方法包括以下步驟：

步驟1、獲取乳腺鉬靶X線數據集；

步驟2、分別對乳腺鉬靶X線數據集中的各個圖像進行圖像增強處理，并進行二值化分割出鈣化病灶區域；

步驟3、分別對圖像增強處理和二值化處理之后的鈣化病灶區域進行特征提取得到傳統特征和深度特征；

步驟4、對傳統特征和深度特征進行典型關聯分析，將與傳統特征關聯權重低的深度特征刪去，保留與傳統特征關聯緊密的深度特征；

步驟5、對保留的深度特征進行支持向量機線性分類模型的訓練，得到分類器。

6.根據權利要求5所述的基于乳腺鉬靶鈣化特征的癌癥診斷方法，其特征在于，所述步驟3具體包括：

步驟3.1、對鈣化病灶區域進行傳統特征提取分別獲得圖像的形態學特征、灰度共生矩陣特征、灰度游程矩陣特征以及小波特征；

步驟3.2、對鈣化病灶區域通過卷積神經網絡提取出深度特征。

7.根據權利要求6所述的基于乳腺鉬靶鈣化特征的癌癥診斷方法，其特征在于，步驟3.2的具體過程為：

步驟3.2.1、將在自然圖像數據集ImageNet上訓練好的AlexNet卷積神經網絡模型做一些調整來作為對鈣化病灶區域進行深度特征提取的卷積神經網絡，包括5個卷積層和3個全連接層，其中5個卷積層分別包括96個11*11、256個5*5、384個3*3、384個3*3和256個4*4的卷積核，最后3個全連接層分別有4096、256和2個神經元，每一個卷積層的輸出作為下一個卷積層的輸入，最后一個卷積層的輸出展開成向量，與全連接層相連，將鈣化病灶區域的圖片數據集塞到模型里通過反向傳播的過程調整卷積核與全連接層的權值；

步驟3.2.2、將測試的乳腺鉬靶病灶區域放入步驟3.2.1調整好的模型通過前向傳播得到第二層的全連接層神經元作為深度特征。