[发明专利]基于三重路径网络的乳腺辅助识别方法、系统、终端及介质

权利要求书

1.基于三重路径网络的乳腺辅助识别方法，其特征在于，包括：

获取原始乳房超声图像，对原始乳房超声图像进行处理，获取面向BIRADS的特征映射；

将面向BIRADS的特征映射输入至SATPN网络中，基于编码器对面向BIRADS的特征映射进行特征提取，得到病变特征；

对病变特征分别进行分类训练和重建训练，获取图像重建误差和标签预测误差；

对图像重建误差和标签预测误差进行加权投票，得到最优的图像。

2.根据权利要求1所述的基于三重路径网络的乳腺辅助识别方法，其特征在于，所述对原始乳房超声图像进行处理，获取面向BIRADS的特征映射，具体为：

基于距离变换耦合高斯滤波器对原始乳房超声图像进行预处理；

其中，距离转换Dist(p)＝min{ED(p,q)}}表示图像像素p和所有边界像素q之间的最小欧几里德距离；σ用于控制周围组织区域的宽度以及边界处外部病变的宽度；

将原始乳房超声图像转换成为面向BIRADS的特征映射；

其中I为原始乳房超声图像。

3.根据权利要求2所述的基于三重路径网络的乳腺辅助识别方法，其特征在于，所述SATPN网络包括良性病变图像重建管道、恶性病变图像重建管道和面向诊断的监督病变分类管道；

所述监督病变分类管道包括四个卷积层：Conv1、Conv2、Conv3和Conv4，分别具有3×3大小的卷积核，卷积核的个数分别为8，16，32和64，以及三个全连接层：FC1、FC2和FC3；所述FC1和FC2中的神经元数量分别为256和64，所述输出层FC3是具有softmax激活功能的两个神经元；

所述良性病变图像重建管道和恶性病变图像重建管道均包括编码器和解码器；

所述良性病变图像重建管道和恶性病变图像重建管道的编码器与分类管道共享，包括四个卷积层和两个全连接层；所述两个全连接层分别为FC1和FC2；所述四个卷积层分别为Conv1、Conv2、Conv3和Conv4；

所述良性病变图像重建管道的解码器包括两个全连接层、四个卷积层和上采样层，以及一个具有线性激活的卷积输出层；所述两个全连接层为FC4和FC5；它们的神经元数量分别为64和256；所述四个卷积层分别为Conv5’、Conv6’、Conv7’和Conv8’，它们分别有64、32、16和8个神经元，其中滤波器大小为3×3；所述上采样层用于增大图像尺寸；

所述恶性病变图像重建管道的解码器包括两个全连接层、四个卷积层和上采样层，以及一个具有线性激活的卷积输出层；所述两个全连接层为FC6和FC7；它们的神经元数量分别为64和256；所述四个卷积层分别为Conv5、Conv6、Conv7和Conv8；它们分别有64、32、16和8个神经元，其中滤波器大小为3×3；所述上采样层用于增大图像尺寸；所述卷积输出层用于输出解码后的重建图像。