[发明专利]X射线乳腺肿块影像自动分类方法

权利要求书

1.一种X射线乳腺肿块影像自动分类方法，其特征在于：包含三个模块：RGB通道重组子网络；灰度乳腺影像卷积特征提取模块，及特征提取和分类模块；按如下步骤进行：

1)通过RGB通道重组子网络调整RGB乳腺影像三个色彩通道的权重，得到由不同权重重新组合生成的RGB格式乳腺肿块影像；

2)通过灰度乳腺影像卷积特征提取模块在步骤1)生成获得的RGB格式乳腺肿块影像上进行卷积操作，从而生成特征图；具体是，使用以常数e为底数的指数函数对特征图的灰度值变换，将区分度较高的亮度区域进行拉伸，增强不同类型RGB格式乳腺肿块影像的差异性，达到特征增强的目的；

3)通过特征提取和分类模块将步骤2)提取出的乳腺肿块影像的特征图输入到特征提取和分类模块的全连接层进行特征提取，再输入到Softmax层进行分类，输出乳腺肿块的良性恶性分类信息；

所述的RGB通道重组网络的具体方式如下：

输入：((X_R,X_G,X_B),Y)，其中X_R,X_G,X_B分别是RGB格式乳腺肿块影像三个通道的灰度图像，像素灰度值范围为[0,255]，Y是乳腺肿块影像的分类标签，值为{恶性、良性}二类；

输出：(X'_R,X'_G,X'_B)，X'_R,X'_G,X'_B分别是调整后的RGB三个通道的灰度值，调整后的乳腺肿块影像对于良性肿块和恶性肿块分类更具可分性；

步骤a)设置输入层到隐藏层之间权重：w_Ri＝1、w_Gi＝1、w_Bi＝1；

步骤b)使用(0.5,1.2)范围内随机值初始化隐藏层到输出层之间权重：w_R、w_G、w_B；

步骤c)前向计算阶段：从输入层开始向前计算，在输出层得到重组后的灰度乳腺影像；

步骤d)输出层得到的灰度图像作为后续模块的输入；

步骤e)输出层接受后续模块反馈信息；

步骤f)后向计算阶段：从输出层开始向后计算，根据输出层接收到的误差信息，使用梯度方法调整隐藏层与输出层间权重；

至此，完成一次RGB通道重组网络的参数训练和调整。

2.根据权利要求1所述的X射线乳腺肿块影像自动分类方法，其特征在于：所述的RGB通道重组子网络是一个三层的神经网络，其中输入层是RGB格式的三通道乳腺肿块影像，经过隐藏层计算后，使用隐藏层与输出层间的三个权重w_R、w_G、w_B分别对原图中的三个通道权重进行调整，得到三个单通道图，将三个单通道图堆叠起来，得到调整后的乳腺肿块影像。

3.根据权利要求1所述的X射线乳腺肿块影像自动分类方法，其特征在于：灰度乳腺影像卷积特征提取模块，包含两个叠加在一起的灰度网中网，灰度网中网由三个网络层组成，分别是卷积层、e指数映射层和最大值下采样层；卷积层使用30个3*3的卷积核对输入图像进行卷积，生成30个特征图，输入到e指数映射层进行灰度值的差异化映射，再进行最大化下采样，得到降维后的特征图；将降维后的特征图输入到5000维的全连接层进行特征提取，再输入到Softmax层进行分类，输出乳腺影像是良性还是恶性的分类结果。