[发明专利]一种基于VGG19的乳腺癌图像诊断方法

权利要求书

1.一种基于VGG19的乳腺癌图像诊断方法，其特征在于，包括以下步骤：

(1)乳腺MRI图像数据预处理；

(2)对预处理后的乳腺MRI图像使用VGG19的卷积层，利用公开的卷积层权重提取图像特征；

(3)使用提取的图像特征作为训练数据，利用Adam优化器训练全连接模型bottleneck；

(4)在VGG19预训练权重与bottleneck权重的基础上，对VGG19的Conv block3、Convblock4和Conv block5以及全连接层使用MBGD优化器进行全局优化训练；

(5)利用训练好的VGG19模型，对新的乳腺MRI图像进行诊断。

2.根据权利要求1所述的基于VGG19的乳腺癌图像诊断方法，其特征在于，所述步骤(1)中对乳腺MRI图像数据预处理具体步骤为：首先利用开源工具3DSlicer将MRI病例数据处理为2D图像，然后对所得图片数据通过翻转平移进行数据增强。

3.根据权利要求1所述的基于VGG19的乳腺癌图像诊断方法，其特征在于，所述步骤(2)中对预处理后的乳腺MRI图像使用VGG19的卷积层，利用公开的卷积层权重提取图像特征具体过程为：首先搭建VGG19卷积层框架，然后用公开的预训练权重初始化卷积层，最后将步骤(1)得到的图像数据集输入网络，其卷积层输出即为自动提取的图像特征。

4.根据权利要求1所述的基于VGG19的乳腺癌图像诊断方法，其特征在于，所述步骤(3)中使用提取的图像特征作为训练数据，利用Adam优化器训练全连接模型bottleneck的具体过程为：首先搭建两个全连接网络框架，然后设置优化器Adam，最后使用提取的图像特征数据训练模型bottleneck，得到网络权重。

5.根据权利要求1所述的基于VGG19的乳腺癌图像诊断方法，其特征在于，所述步骤(4)中对VGG19的Conv block3、Conv block4和Conv block5以及全连接层使用MBGD优化器进行全局优化训练的具体过程为：首先搭建VGG19卷积层结构并使用公开的预训练权重初始化网络；然后构建VGG19的全连接层结构并使用步骤(3)得到的bottleneck权重对其进行初始化；冻结网络中Conv blockl-Conv block2间的所有层，使其不参与优化训练；基于全部图像数据，利用优化器MBGD对VGG19网络的Conv block3、Conv block4、Conv block5以及全连接层进行训练，更新权值。

6.根据权利要求1所述的基于VGG19的乳腺癌图像诊断方法，其特征在于，所述步骤(5)中利用训练好的VGG19模型，对新的乳腺MRI图像进行诊断的具体过程为：对新的MRI图像数据根据步骤(1)进行数据预处理；使用训练好的模型进行预测，获取概率值。