[发明专利]基于深度卷积神经网络的乳腺癌辅助诊断方法及装置

权利要求书

1.基于深度卷积神经网络的乳腺癌辅助诊断方法，其特征在于，包括以下步骤：

获取乳腺癌CT图像，对乳腺癌CT图像进行预处理；

采用深度卷积神经网络的医学图像分割算法对乳腺癌CT图像进行病灶分割；

将分割结果以图片的格式进行反馈输出，并将输出的数据传输至后台存储；

其中，在对乳腺癌CT图像进行预处理后还包括：对数据进行增强操作，所述对数据进行增强操作包括，将数据进行镜像、缩放、以及弹性形变的操作；

以及将通过增强操作的乳腺癌CT图像数据，输入至一个多通道深度卷积神经网络进行再训练，通过Adam和SGD优化器不断迭代，同时对超参数进行调优。

2.根据权利要求1所述的基于深度卷积神经网络的乳腺癌辅助诊断方法，其特征在于，所述获取乳腺癌CT图像，对乳腺癌CT图像进行预处理，包括：

调整乳腺癌CT图像窗宽，并进行直方图均衡化突出病灶部位；

然后对乳腺癌CT图像进行归一化、标准化操作。

3.根据权利要求1所述的基于深度卷积神经网络的乳腺癌辅助诊断方法，其特征在于，所述的采用深度卷积神经网络的医学图像分割算法对乳腺癌CT图像进行病灶分割，包括：

多尺度输入阶段，将乳腺癌CT图像数据经过缩放输入每一个编码层；

编码阶段，通过多维卷积和下采样操作提取乳腺癌CT图像特征；

解码阶段，通过跳跃连接联系上下文信息进行特征重组，对病灶进行定位，并通过多维卷积和上采样操作进行特征还原，加强梯度的传播，在网络的末层输出分割结果。

4.基于深度卷积神经网络的乳腺癌辅助诊断装置，其特征在于，包括：

图像预处理模块，用于获取乳腺癌CT图像，对乳腺癌CT图像数据进行预处理；

图像分析模块，用于采用深度卷积神经网络的医学图像分割算法对乳腺癌CT图像进行病灶分割；

结果输出模块，用于将分割结果将以图片的格式进行反馈输出，并将输出的数据传输至后台存储；

其中，在对乳腺癌CT图像进行预处理后还包括：对数据进行增强操作，所述对数据进行增强操作包括，将数据进行镜像、缩放、以及弹性形变的操作；

以及将通过增强操作的乳腺癌CT图像数据，输入至一个多通道深度卷积神经网络进行再训练，通过Adam和SGD优化器不断迭代，同时对超参数进行调优。

5.根据权利要求4所述的基于深度卷积神经网络的乳腺癌辅助诊断装置，其特征在于，所述获取乳腺癌CT图像，对乳腺癌CT图像进行预处理，包括：

调整乳腺癌CT图像窗宽，并进行直方图均衡化突出病灶部位；

然后对乳腺癌CT图像进行归一化、标准化操作。

6.基于深度卷积神经网络的乳腺癌辅助诊断设备，其特征在于：包括至少一个控制处理器和用于与所述至少一个控制处理器所通信连接的存储器：所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1-3任一项所述的基于深度卷积神经网络的乳腺癌辅助诊断方法。

7.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-3任一项所述的基于深度卷积神经网络的乳腺癌辅助诊断方法。