[發(fā)明專利]基于改進的MobileNet網(wǎng)絡對乳腺癌進行分類的方法

在審

• 申請?zhí)枺?/td>: 201911054175.X
• 申請日: 2019-10-31
• 公開（公告）號: CN111104961A
• 公開（公告）日: 2020-05-05
• 發(fā)明（設計）人: 李燈熬;趙菊敏;牛婧
• 申請（專利權）人: 太原理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06T3/60;G06T7/00;G06T7/11
• 代理公司: 太原高欣科創(chuàng)專利代理事務所(普通合伙) 14109
• 代理人: 崔雪花;冷錦超

本發(fā)明公開了基于改進的MobileNet網(wǎng)絡對乳腺癌進行分類的方法，包括以下步驟：構建改進的MobileNet網(wǎng)絡模型；利用改進后的MobileNet 進行分類：1）將數(shù)據(jù)樣本分為測試集和訓練集；2）對數(shù)據(jù)樣本進行預處理；3）將預處理好的訓練集，訓練已經(jīng)構建好的MobileNet網(wǎng)絡模型；4）將經(jīng)過步驟3）訓練后的網(wǎng)絡模型當做測試模型，將測試集中的樣本用于測試網(wǎng)絡中，最終通過softmax激活函數(shù)輸出分類結果，該方法能對乳腺癌X線圖像進行自動分類、靈敏度高，既可以加快醫(yī)生的診斷效率，又可以提高醫(yī)生的診斷準確率。

技術領域

本發(fā)明基于改進的MobileNet網(wǎng)絡對乳腺癌進行分類的方法，屬于乳腺醫(yī)學圖片的自動分類方法技術領域。

背景技術

全球女性疾病中中，乳腺癌（Breast Cancer）是全球女性中常見的惡性腫瘤，嚴重影響女性的身心健康，甚至威脅生命。從20世紀70年代末開始，全球乳腺癌的發(fā)病率一直處于上升趨勢，乳腺癌的防治形勢愈加嚴峻。乳腺癌的早期發(fā)現(xiàn)、診斷和治療，是提高療效的關鍵，可以大大的減少乳腺癌的死亡率。

乳腺的X線攝影在乳腺影像學檢查中是最傳統(tǒng)的方法，主要用作乳腺癌的篩查和診斷，也是檢查乳腺疾病最基本和首選的方法。在乳腺癌圖像中，腫塊是一種常見的特征，密度比周圍的其他組織高，所以表現(xiàn)在圖像中是一塊比較亮的區(qū)域，但是在乳腺癌早期，腫塊較小和周圍組織的對比不明顯，是醫(yī)生診斷早期乳腺癌的重點和難點。傳統(tǒng)的診斷乳腺癌的方法是通過放射科醫(yī)生手動描繪可疑的乳腺癌區(qū)域，但是這種方法更多的會依賴于醫(yī)生的臨床經(jīng)驗，也很難通過肉眼發(fā)現(xiàn)是否存在乳腺癌的早期癥狀，不僅有很高的誤診率和漏診率，而且也需要醫(yī)生花費大量的時間和精力，這對乳腺癌的早期確診影響很大。

近些年來，隨著人工智能技術的不斷發(fā)展，人工智能被更多的用在醫(yī)學領域。將人工智能技術應用在計算機輔助診斷中，既可以加快醫(yī)生的診斷效率，又可以提高醫(yī)生的診斷準確率，對醫(yī)生和患者都有很大的幫助。卷積神經(jīng)網(wǎng)絡在圖像方面有著很好的效果，本文使用卷積神經(jīng)網(wǎng)絡對乳腺癌X線圖像進行自動分類。

發(fā)明內容

為克服現(xiàn)有技術的不足，本發(fā)明提供了基于改進的MobileNet網(wǎng)絡對乳腺癌進行分類的方法，該方法能對乳腺癌X線圖像進行自動分類、靈敏度高。

本發(fā)明通過以下技術方案實現(xiàn)：

基于改進的MobileNet網(wǎng)絡對乳腺癌進行分類的方法，包括以下步驟：

步驟一、構建改進的MobileNet網(wǎng)絡；

步驟二、利用改進后的MobileNet 進行分類：

1）將公共數(shù)據(jù)庫DDSM數(shù)據(jù)樣本劃分為訓練集和測試集，訓練集數(shù)據(jù)樣本量大于測試集；

2）分別對訓練集和測試集的數(shù)據(jù)樣本進行預處理；

3）使用預處理好的訓練集，訓練已經(jīng)構建好的MobileNet網(wǎng)絡模型；

4）使用測試集的數(shù)據(jù)樣本對經(jīng)過步驟3）訓練后的MobileNet網(wǎng)絡模型進行測試，最終通過softmax激活函數(shù)輸出分類結果。如果最終的輸出結果為0，則該樣本圖片為良性，如果最終的輸出結果為1，則該樣本圖片為惡性。

優(yōu)選的，將所述公共數(shù)據(jù)庫DDSM數(shù)據(jù)樣本中良惡性圖片等比例劃分，劃分比例為：70-90%的數(shù)據(jù)樣本用作訓練集，10-30%的數(shù)據(jù)樣本用作測試集。優(yōu)選80%的數(shù)據(jù)樣本用作訓練集，20%的數(shù)據(jù)樣本用作測試集。

優(yōu)選的，所述對數(shù)據(jù)樣本進行預處理的方法為：訓練集的數(shù)據(jù)樣本的預處理方法為圖像分割和數(shù)據(jù)增強；測試集的數(shù)據(jù)樣本的預處理方法為圖像分割。

優(yōu)選的，所述圖像分割方法是指：按照適于訓練的圖像塊尺寸作為標準，對原始乳腺X線圖片進行裁剪，裁剪為適于訓練的圖像塊，所述圖像塊中包含被標記出來的異常組織區(qū)域。