一种基于多层识别卷积神经网络的肿瘤识别方法技术

本发明专利技术公开了一种基于多层识别卷积神经网络的肿瘤识别方法，该方法通过训练阶段和识别阶段两部分实现；所述的训练阶段步骤如下：1）利用全卷积神经网络将超声图像中的肿瘤分割出来；2）进行形态识别网络训练；3）进行常态肿瘤生成网络训练；4）进行代价敏感识别网络训练。所述的识别阶段步骤如下：1）使用全卷积神经网络对待识别图像中的肿瘤进行分割；2）将分割出的肿瘤图像输入到多层识别卷积神经网络中。本发明专利技术和现有技术相比，针对传统方法对肿瘤良恶性识别精度低问题，有效解决多形态肿瘤识别精度低问题，设计精准的肿瘤识别算法，不但可以提高常态肿瘤的识别率而且可以将非常态的肿瘤识别的较好，有效提高肿瘤识别的精度。

【技术实现步骤摘要】
一种基于多层识别卷积神经网络的肿瘤识别方法
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层识别卷积神经网络的肿瘤识别方法。
技术介绍
超声成像由于其辐射少、价格便宜等优点已成为乳腺癌辅助诊断的常用方式之一。然而，由于每位患者的自身条件不同，使得超声图像中的肿瘤形态各异，即使同一类（同为良性或恶性）的肿瘤仍然具有较大的区别。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层识别卷积神经网络的肿瘤识别方法。本专利技术的技术任务是按以下方式实现的：一种基于多层识别卷积神经网络的肿瘤识别方法，该方法通过训练阶段和识别阶段两部分实现；所述的训练阶段步骤如下：步骤1）利用全卷积神经网络将超声图像中的肿瘤分割出来；步骤2）进行形态识别网络训练；步骤3）进行常态肿瘤生成网络训练；步骤4）进行代价敏感识别网络训练；所述的识别阶段步骤如下：步骤1）使用全卷积神经网络对待识别图像中的肿瘤进行分割；步骤2）将分割出的肿瘤图像输入到多层识别卷积神经网络中。所述的进行形态识别网络训练，操作如下：针对训练集，获取分割出的肿瘤，本文档来自技高网...

【技术保护点】
1.一种基于多层识别卷积神经网络的肿瘤识别方法，其特征在于，该方法通过训练阶段和识别阶段两部分实现；所述的训练阶段步骤如下：步骤1）利用全卷积神经网络将超声图像中的肿瘤分割出来；步骤2）进行形态识别网络训练；步骤3）进行常态肿瘤生成网络训练；步骤4）进行代价敏感识别网络训练；所述的识别阶段步骤如下：步骤1）使用全卷积神经网络对待识别图像中的肿瘤进行分割；步骤2）将分割出的肿瘤图像输入到多层识别卷积神经网络中。

【技术特征摘要】
1.一种基于多层识别卷积神经网络的肿瘤识别方法，其特征在于，该方法通过训练阶段和识别阶段两部分实现；所述的训练阶段步骤如下：步骤1）利用全卷积神经网络将超声图像中的肿瘤分割出来；步骤2）进行形态识别网络训练；步骤3）进行常态肿瘤生成网络训练；步骤4）进行代价敏感识别网络训练；所述的识别阶段步骤如下：步骤1）使用全卷积神经网络对待识别图像中的肿瘤进行分割；步骤2）将分割出的肿瘤图像输入到多层识别卷积神经网络中。2.根据权利要求1所述的肿瘤识别方法，其特征在于，所述的进行形态识别网络训练，操作如下：针对训练集，获取分割出的肿瘤，并对其进行标记，标记为常态肿瘤和非常态肿瘤。3.根据权利要求1或2所述的肿瘤识别方法，其特征在于，所述的进行形态识别网络训练是利用Resnet作为基网络，并引入代价敏感信息，构建形态识别网络。4.根据权利要求1所述的肿瘤识别方法，其特征在于，所述的常态肿瘤生成网络训练，操作如下：先将非常态肿瘤变换为常态肿瘤，然后对转换后的常态肿瘤进行识别。5....

【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