[发明专利]一种乳腺肿块图像识别方法及装置

说明书

本说明书提供一种乳腺肿块图像识别方法及装置，所述方法包括：获取待识别的乳腺磁共振图像；将所述待识别的乳腺磁共振图像输入到构建的乳腺肿块识别模型中，获得所述待识别的乳腺磁共振图像中的肿块识别结果；其中，所述肿块识别模型采用深度全卷积神经网络模型，所述深度全卷积神经网络模型的编码过程采用U型卷积神经网络模型中的基本卷积模块进行特征提取，所述深度全卷积神经网络模型的解码过程采用密集连接将待融合的特征图统一大小后再融合。本说明书实施例实现了乳腺肿块的自动识别，提高了乳腺肿块识别的准确性。

技术领域

本说明书属于图像处理技术领域，尤其涉及一种乳腺肿块图像识别方法及装置。

背景技术

乳腺癌是女性发病率最高的癌症，早期乳腺癌的治愈率比晚期乳腺癌要高很多，早发现、早诊断和早治疗是降低乳腺癌病死率的关键。影像检查包括乳腺钼靶、超声和磁共振成像等是早期乳腺癌筛查的常用技术。可以利用影像检查结果识别乳腺肿块来进行乳腺癌筛查，不同病人的乳腺肿块大小形状差异很大，给自动分割方法带来了很大挑战，而肿块分割是所有后续乳腺癌诊断和治疗的首要步骤，因此实现乳腺肿块的自动分割对计算机辅助诊断系统具有重要意义。

现有技术中，乳腺癌计算机辅助诊断系统主要采用手工提取特征来对乳腺肿块进行定位或者分类。手工提取特征依赖于研究者的专业和经验知识，往往具有一定局限性和主观性，结果会受较大影响。现有技术中乳腺肿块的自动分割方法通常只是给出了肿块的位置，并没有肿块的形状大小信息。因此，本领域亟需一种能够准确分割出乳腺肿块区域的技术方案。

发明内容

本说明书目的在于提供一种乳腺肿块图像识别方法及装置，实现了乳腺肿块的自动识别，提高了乳腺肿块识别的准确性。

一方面本说明书实施例提供了一种乳腺肿块图像识别方法，包括：

获取待识别的乳腺磁共振图像；

将所述待识别的乳腺磁共振图像输入到构建的乳腺肿块识别模型中，获得所述待识别的乳腺磁共振图像中的肿块识别结果；

其中，所述肿块识别模型采用深度全卷积神经网络模型，所述深度全卷积神经网络模型的编码过程采用U型卷积神经网络模型中的基本卷积模块进行特征提取，所述深度全卷积神经网络模型的解码过程采用密集连接将待融合的特征图统一大小后再融合。

进一步地，所述方法的另一个实施例中，利用所述U型卷积神经网络模型中的基本卷积模块采用下述公式进行特征提取：

y₁＝δ(W₁₃*δ(W₁₂*δ(W₁₁*x₁+b₁₁)+b₁₂)+b₁₃)

上式中，y₁表示提取出的特征图，x₁表示输入的乳腺磁共振图像，δ表示第一激活函数，W₁₁、W₁₂、W₁₃表示不同卷积层对应的权重，b₁₁、b₁₂、b₁₃表示不同卷积层对应的偏置参数。

进一步地，所述方法的另一个实施例中，所述方法还包括：利用所述深度全卷积神经网络模型采用下述公式将提取出的特征图进行调整：

y₂＝δ((W₂₂*δ(W₂₁*x₂+b₂₁)+b₂₂)+x₂)