[发明专利]乳腺钼靶图像的自动标注方法、系统及存储介质

权利要求书

1.乳腺钼靶图像的自动标注方法，其特征在于：包括以下步骤：

对采集到的乳腺钼靶图像进行裁剪；

对裁剪后的乳腺钼靶图像进行全局对比度的归一化处理；

对归一化处理后的乳腺钼靶图像进行尺度调整；

基于预设的深度神经网络模型，对尺度调整后的乳腺钼靶图像的进行深度迁移特征的提取，并将同侧乳腺两个视图的特征进行融合；

基于可视化辅助方法，对提取及融合的深度迁移特征进行聚类分析；

根据聚类分析的结果，对乳腺钼靶图像进行自动标注；

其中，所述基于预设的深度神经网络模型，对尺度调整后的乳腺钼靶图像的进行深度迁移特征的提取，并将同侧乳腺两个视图的特征进行融合这一步骤，包括以下步骤：

将灰度乳腺钼靶图像进行RGB三通道叠加，得到彩色乳腺钼靶图像；

将彩色乳腺钼靶图像输入到预训练好的深度神经网络模型中，将模型的第一个全连接层的输出作为提取的深度迁移特征；

所述将同侧乳腺两个视图的特征进行融合，具体为：

将左乳CC位和左乳MLO位两个视图的特征进行融合，或者将右乳CC位和右乳MLO位两个视图的特征进行融合。

2.根据权利要求1所述的乳腺钼靶图像的自动标注方法，其特征在于：还包括采集乳腺钼靶图像的步骤，所述采集乳腺钼靶图像的步骤具体为：

基于采集规则进行大规模图像集的采集，所述大规模图像集表示该图像集至少包含有8000幅的乳腺钼靶图像；

所述采集规则为：从每个患例中采集左乳CC位、左乳MLO位、右乳CC位和右乳MLO位的乳腺钼靶图像。

3.根据权利要求1所述的乳腺钼靶图像的自动标注方法，其特征在于：所述对采集到的乳腺钼靶图像进行裁剪这一步骤，包括以下步骤：

计算乳腺钼靶的前景和背景之间的类间方差；

通过遍历法生成类间方差的最大阈值；

根据最大阈值将乳腺钼靶图像的前景和背景进行二值化分割。

4.根据权利要求1所述的乳腺钼靶图像的自动标注方法，其特征在于：所述预训练好的深度神经网络模型为VGGNet-16网络模型。

5.根据权利要求1所述的乳腺钼靶图像的自动标注方法，其特征在于：所述基于可视化辅助方法，对提取及融合的深度迁移特征进行聚类分析这一步骤，包括以下步骤：

通过K均值方法对提取及融合的深度迁移特征进行聚类分析，其中，聚类数目为三类：正常、良性和恶性；

通过t-SNE方法对提取及融合的深度迁移特征进行可视化辅助分析。

6.根据权利要求5所述的乳腺钼靶图像的自动标注方法，其特征在于：所述通过K均值方法对提取及融合的深度迁移特征进行聚类分析这一步骤，包括以下步骤：

从提取及融合的深度迁移特征中随机选取三个深度迁移特征作为三个簇的聚类中心；

根据每个深度迁移特征到各个聚类中心的距离，将深度迁移特征分配到新生成的三个簇中；

计算新生成的三个簇的聚类中心；

返回执行根据每个深度迁移特征到各个聚类中心的距离，将深度迁移特征分配到新生成的三个簇中，以及计算新生成的三个簇的聚类中心的步骤，直到三个聚类中心不再发生变化。