[發明專利]基于深度學習的數字乳腺斷層影像鈣化簇自動檢測方法在審
| 申請號： | 201810472661.2 | 申請日： | 2018-05-17 |
| 公開（公告）號： | CN108734705A | 公開（公告）日： | 2018-11-02 |
| 發明（設計）人： | 厲力華;柳哲;李遠哲 | 申請（專利權）人： | 杭州電子科技大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T5/00 |
| 代理公司： | 杭州千克知識產權代理有限公司 33246 | 代理人： | 周希良 |
| 地址： | 310018 浙*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 候選區域 金字塔網絡 斷層影像 自動檢測 乳腺 池化 放入 鈣化 預處理 上下文信息 目標邊界 目標分類 區域特征 圖片輸入 長寬比 連接層 區域池 特征圖 小目標 映射層 回歸 分辨率 映射 金字塔 網絡 圖像 修正 輸出 學習 | ||
1.基于深度學習的數字乳腺斷層影像鈣化簇自動檢測方法，其特征在于該方法包括以下步驟：
步驟1、對DBT圖像進行預處理；
A、對斜側位圖像進行胸肌去除；
B、利用最大密度投影技術，增強切片厚度使鈣化簇在每一層切片更明顯；
步驟2、將經過以上處理的圖片輸入帶有特征金字塔網絡的區域建議網絡中，在特征金字塔的每一層生成多種長寬比的目標候選區域；利用非極大值抑制選取2000個鈣化簇候選區域；
步驟3、將產生的候選區域放入ROI池化層，對候選區域生成網絡的特征映射層輸出的特征圖進行區域池化，生成固定大小的區域特征；其中不同尺度的候選區域，使用不同特征層作為ROI池化層的輸入；
步驟4、將經過ROI池化層的候選區域放入兩個全連接層，并輸入后續的softmax層和Box回歸層，進行最終的目標分類以及目標邊界回歸修正；
步驟5、根據上述得到的目標候選區域結果，結合空間信息減少假陽性。
2.根據權利要求1所述的基于深度學習的數字乳腺斷層影像鈣化簇自動檢測方法，其特征在于：
步驟2中特征金字塔網絡選用ResNet-50，其卷積層分為5個塊，分別為conv1,conv2_x,conv3_x,conv4_x和conv5_x；
conv1由一個單獨的卷積核大小為7*7的卷積層組成；
conv2_x由一個卷積核大小為3*3的最大池化層和3個瓶頸構建塊共10層組成；
conv3_x由4個DBA共12層組成；
conv4_x由6個DBA共18層組成；
conv5_x由3個DBA共9層組成。
3.根據權利要求1所述的基于深度學習的數字乳腺斷層影像鈣化簇自動檢測方法，其特征在于：
步驟2中的區域建議網絡包括三層結構，第一層為卷積層，第二層和第三層為同級別的全連接層；在第一層卷積層，卷積核大小為3*3，利用特征金字塔把特征圖變成多尺度，然后對每一尺度特征圖生成對應的anchor尺寸；第二層為分類層，用于輸出24個神經元；第三層為回歸層，用于輸出48個神經元。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于杭州電子科技大學，未經杭州電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810472661.2/1.html，轉載請聲明來源鉆瓜專利網。
