The invention discloses a breast cancer recognition method based on diversity discrimination learning. Firstly, a diversity classification learning model is created to classify the diverse states of tumors, and then a differentiation learning model is created to classify tumors with great difference from normal tumors. Class learning model and the discriminatory learning model are used to recognize tumors. The breast cancer recognition method based on diversity discriminant learning of the present invention can effectively classify the diverse states of tumors, thereby reducing the impact of diversity on performance; for normal tumors, the traditional classification model can be used to identify well; for abnormal tumors, it can classify them. It is very important for early diagnosis of breast cancer to input discriminatory learning model to recognize breast tumors accurately.
【技术实现步骤摘要】
一种基于多样性区分学习的乳腺肿瘤识别方法
本专利技术涉及医学图像处理领域,具体地说是一种基于多样性区分学习的乳腺肿瘤识别方法。
技术介绍
乳腺癌是致死率较高的一种疾病,基于超声图像的乳腺良恶性肿瘤识别是乳腺癌辅助诊断的重要工具。然而,肿瘤的形态各异,即使属于同一类,也具有诸多不同的特点。因为传统方法对肿瘤良恶性识别精度低,导致无法有效解决多形态肿瘤识别精度低的问题。
技术实现思路
本专利技术的技术任务是提供一种基于多样性区分学习的乳腺肿瘤识别方法。本专利技术的技术任务是按以下方式实现的:一种基于多样性区分学习的乳腺肿瘤识别方法,首先创建多样性分类学习模型,用于对肿瘤的多样性状态进行分类,然后创建区分性学习模型,用于对与常态肿瘤差异性较大的肿瘤进行分类,通过所述的多样性分类学习模型和所述的区分性学习模型对肿瘤进行识别。所述的多样性分类学习模型通过使用卷积神经网络框架,拟利用Alexnet作为基多样性分类学习模型,对样本分为常态肿瘤和非常态肿瘤两种。所述的多样性分类学习模型对乳腺超声图像进行标记,标记为常态肿瘤和非常态肿瘤两类图像。将所述的进行标记的图像输入到Alexnet,训练得到多样性分类学习模型。所述的区分性学习模型用于对非常态肿瘤进行识别,使用Resnet作为区分性学习模型。所述的区分性学习模型在训练时,设置每个样本的初始权重,如公式一所示:在上式中,变量x表示一个肿瘤,变量q表示识别正确的肿瘤的个数,变量p表示识别错误的肿瘤的个数,ΩC表示识别错误的肿瘤的集合,ΩB表示识别正确的肿瘤集合。所述的区分性学习模型不断的进行迭代优化,在每次迭代优化中,不断更新 ...
【技术保护点】
1.一种基于多样性区分学习的乳腺肿瘤识别方法,其特征在于,首先创建多样性分类学习模型,用于对肿瘤的多样性状态进行分类,然后创建区分性学习模型,用于对与常态肿瘤差异性较大的肿瘤进行分类,通过所述的多样性分类学习模型和所述的区分性学习模型对肿瘤进行识别。
【技术特征摘要】
1.一种基于多样性区分学习的乳腺肿瘤识别方法,其特征在于,首先创建多样性分类学习模型,用于对肿瘤的多样性状态进行分类,然后创建区分性学习模型,用于对与常态肿瘤差异性较大的肿瘤进行分类,通过所述的多样性分类学习模型和所述的区分性学习模型对肿瘤进行识别。2.根据权利要求1所述的乳腺肿瘤识别方法,其特征在于,所述的多样性分类学习模型通过使用卷积神经网络框架,拟利用Alexnet作为基多样性分类学习模型,对样本分为常态肿瘤和非常态肿瘤两种。3.根据权利要求1所述的乳腺肿瘤识别方法,其特征在于,所述的多样性分类学习模型对乳腺超声图像进行标记,标记为常态肿瘤和非常态肿瘤两类图像。4.根据权利要求3所述的乳腺肿瘤识别方法,其特征在于,将所述的进行标记的图像输入到Alexnet,训练得到多样性分类学习模型。5.根据权利要求1所述的乳腺肿瘤识别方法,其特征在于,所述的区分性学习模型用于对非常态肿瘤进行识别,使用Resnet作为区分性学习模型。6.根...
【专利技术属性】
技术研发人员:袭肖明,于治楼,
申请(专利权)人:济南浪潮高新科技投资发展有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。