[发明专利]一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法

摘要

本发明涉及一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，属于图像信息处理技术领域。动态选择乳腺癌核磁共振图像1％‑99％范围的CT值进行归一化预处理后输入YOLO_v2检测模型，验证集的损失及分类准确率、获得深度检测网络模型，并将图片送入该模型得到检测框；然后采用k‑mean算法聚类出乳腺癌核磁共振图片医生标记区域中心点取出144*144像素点的块，送入SegNet分割模型进行训练，得出肿瘤区域分割模型，根据之前获得的检测框选择144*144像素块送入该区域分割模型得到分割概率图，再将该图根据之前获得的置信度最大框中心点映射到原图，即得最终肿瘤分割图。具有分割效率、准确率高等优点。

主权项

1.一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，其特征在于：具体步骤是：(1)预处理核磁共振图像：动态选择乳腺癌核磁共振图整张图像1％‑99％范围的CT值，对其进行归一化预处理，解决核磁共振技术本身原因而导致每张图像肿瘤区域的CT值不固定问题；(2)粗检测肿瘤区域：采用YOLO_v2检测模型，将经步骤(1)处理得到的图片作为检测模型的输入，反复验证集的损失及分类准确率、调整神经网络的权值，获得网络权值系数准确率较高、损失值较小的深度检测网络模型，再将图片送入该深度检测模型得到检测框；由于乳腺癌肿瘤区域本身较小，所以先进行肿瘤区域的粗检测；(3)精分割肿瘤区域：采用k‑mean算法聚类出乳腺癌核磁共振图片医生标记区域中心点取出144*144像素点的块，送入SegNet图像分割模型进行训练，得出肿瘤区域分割模型，再根据步骤(2)得到的检测框选择144*144像素块送入该肿瘤区域分割模型，得到分割概率图；(4)获取肿瘤分割图：从步骤(3)得到的分割概率图，根据步骤(2)获得的置信度最大框中心点映射到原图，得到最终的肿瘤分割图。