[发明专利]一种基于注意力神经网络的乳房超声图像肿瘤分类方法

权利要求书

1.一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，包括以下步骤：

S1扩充数据步，利用训练集上病人的乳腺超声图像进行图像增强，扩充训练集的数据集；

S2特征重标定步，设计神经元维度的注意力机制模块SE，对神经元特征进行特征重标定；

S3缓解过拟合步，设计含有全局平均池化层、全连接层、批归一化层、ReLu激活和Dropout层的分类模块，减少参数，缓解过拟合；

S4测试评估步，在训练集上进行训练，并将测试的数据集输入最终模型，通过多种分类指标评估模型性能，并与改进前的传统VGG16网络进行对比。

2.根据权利要求1所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S1中具体步骤包括：通过对训练集的每张乳腺超声图像进行随机的旋转、垂直翻转、水平翻转、尺寸缩小、尺寸放大、竖直移动、水平移动、随机添加噪声、弹性形变，扩充数据集。

3.根据权利要求1所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S2中包括：利用注意力机制模块SE学习得到一系列权重，对原始输入的神经元进行筛选。

4.根据权利要求1所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S3中包括：利用全局平均池化层替换全连接层，减少模型参数；加入批归一化层、ReLU激活和Dropout层，缓解过拟合问题。

5.根据权利要求1所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S2中的注意力机制模块SE包括：全局池化层、第一全连接层、第二全连接层、激活层。

6.根据权利要求1所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S3中，在设计缓解过拟合的分类模块之前，需要提取传统VGG16网络特征。

7.根据权利要求1所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S4中具体步骤包括：将S2中的注意力机制模块SE与S3中的分类模块组合并与传统VGG16网络相结合，并通过最后的激活层输出得到最终网络结构。

8.根据权利要求5或7所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述激活层采用Sigmoid激活函数。

9.根据权利要求7所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S4为二分类任务，其输出设定预测为阳性的概率值结果在闭区间0-1之间。

10.根据权利要求1所述的一种基于注意力神经网络的乳房超声图像肿瘤分类方法，其特征在于，所述S4中采用定量对比与ROC曲线定性对比。