[發明專利]一種乳腺X光圖像的乳腺腫塊信息提取及分類方法

在審

• 申請號: 201810530455.2
• 申請日: 2018-05-29
• 公開（公告）號: CN108830282A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 高婧婧
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08;G16H30/20;G16H50/20
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 何凡

本發明公開了一種乳腺X光圖像的乳腺腫塊信息提取及分類方法，包括以下步驟：S1、將乳腺X光圖像輸入四個并行卷積神經網絡；S2、基于四個并行卷積神經網絡提取乳腺X光圖像的高層語義特征；S3、對提取的高層語義特征進行多標簽多任務學習網絡訓練，并得到乳腺腫塊的分類信息。本發明提供的乳腺X光圖像的乳腺腫塊信息提取及分類方法，可以有效去除卷積神經網絡提取的冗余特征，通過多標簽多任務網絡可以使得四個分類任務互相糾纏約束并相互促進，為醫生提供清楚的乳腺腫塊分類信息，提供乳腺腫塊相關疾病的輔助診斷。

技術領域

本發明屬于乳腺X光圖像處理技術領域，具體涉及一種乳腺X光圖像的乳腺腫塊信息提取及分類方法。

背景技術

乳腺癌是女性最常見的惡性腫瘤之一，據相關數據表明，每兩分鐘就有一名女性被診斷出患有乳腺癌。在我國，乳腺癌是導致40～50歲女性死亡的主要原因，平均每12分鐘就有一名女性死于乳腺癌；城市女性中，大約每一萬人中就有3～4人罹患乳腺癌，不僅如此，乳腺癌的發病率正以每年3％～4％的速度急劇上升。因此，早期發現、早期診斷和早期治療被公認為控制乳腺癌發展的有效措施，且對提高患者的生存率及生活質量具有重要的意義，其中早期發現居首要之位。

乳腺腫塊是乳腺癌必有的癥狀和體征，一般為單個，形態不定，質較硬韌。近幾年，為了提高乳腺癌的診斷效率，乳腺腫塊在早期研究中一直向著智能化方向發展，隨著現在科學技術地不斷發展，人工智能技術不斷進步，人工神經網絡技術也日益成熟，它的分類能力也越來越強，并具有智能性，為乳腺腫瘤識別提供了一種新的方法。

卷積神經網絡(Convolutional Neural Network,CNN)是一種前饋神經網絡，它的人工神經元可以響應一部分覆蓋范圍內的周圍單元，對于大型圖像處理有出色表現；它包括卷積層(convolutional layer)和池化層(pooling layer)。

目前在醫學影像分析領域,卷積神經網絡主要用于單一學習任務的實現。比如對乳腺X光圖像中單純的腫塊信息提取，進行單純的腫瘤良惡性判斷，很難和醫生的醫學診斷憑據相結合，難以在醫生的診斷過程中提供更加可靠的數據依據。

發明內容

針對現有技術中的上述不足，本發明提供的乳腺X光圖像的乳腺腫塊信息提取及分類方法解決了現有技術中利用卷積神經網絡對乳腺X光圖像進行分析時，只能進行單純的腫塊良惡性信息提取，難以為醫生提供準確的診斷憑據的問題。

為了達到上述發明目的，本發明采用的技術方案為：

一種乳腺X光圖像的乳腺腫塊信息提取及分類方法，包括以下步驟：

S1、將乳腺X光圖像輸入四個并行卷積神經網絡；

S2、基于四個并行卷積神經網絡提取乳腺X光圖像的高層語義特征；

S3、對提取的高層語義特征進行多標簽多任務學習網絡訓練，并得到乳腺腫塊的分類信息。

進一步地，所述步驟S2中：

每個所述并行卷積神經網絡均包括兩個卷積層、兩個最大池化層和一個全連接層；網絡順序為依次為卷積層、池化層、卷積層、池化層和全連接層；

每個所述卷積層包括6個5×5的卷積核，每個所述池化層包括1個2×2的核，所述全連接層的尺寸為192×1；

每個所述卷積神經網絡均提取192個乳腺X光圖像的特征，將每個所述卷積神經網絡提取的192個特征表示為一組高層語義特征向量，分別為X₁,X₂,X₃和X₄。

近一步地，所述多標簽多任務網絡的搭建方法具體為：