The invention discloses a breast lesion detection method based on multi-dimensional information fusion, which includes: using convolution neural network to learn the features of the preset image, so that the convolution neural network can learn the difference between the lesion area and normal tissue in the preset image; acquiring the breast MRI image to be detected, including: the same phase of continuous sectional image and the same section at different stages. Image; According to the trained convolution neural network, the lesion region of the same phase continuous tomographic image is selected and more than one candidate window is obtained; the image of the same section at different stages is coded by the cyclic neural network, and the relevant information between the signal intensity and the lesion type of the same section at different stages is obtained; more than one candidate window is mapped to the relevant information. The final detection results of the lesion area are obtained by classifying the lesions with the preset classifier. The technical scheme provided by the invention can detect the lesion area in breast more accurately.
【技术实现步骤摘要】
一种基于多维度信息融合的乳腺MRI病变区域检测方法
本专利技术涉及磁共振成像
,尤其涉及一种基于多维度信息融合的乳腺MRI病变区域检测方法。
技术介绍
磁共振成像(MagneticResonanceImaging,MRI)技术是利用氢质子的核磁共振现象进行成像的一种技术。随着磁共振成像技术近年来不断成熟,其在乳腺疾病诊断中的重要性日益增加。乳腺磁共振技术对乳房病灶性质的进一步判断较为敏感,不仅对于病变的良恶性可以做进一步的判断,同时可以帮助医生识别病灶是否多发。特别的,乳腺磁共振技术在往病人体内注入造影剂后,根据造影剂在不同组织随着时间信号强度的变化,可以对病变的良恶性做出更加准确地判断。目标检测是计算机自动识别图像中不同的物体内容,属于图像分析领域的基础任务之一。目标检测在只给定一张图像的情况下,不依赖于其他信息,仅通过计算机,将图像中的目标通过算法检出。医疗图像的目标检测,是针对于特定的医疗图像,例如影像图片、病理图片等进行病变目标检测。医疗图像的目标检测,通过计算机自动的图像分析处理,不仅能快速完成医疗图像的病变检测任务,还能进一步提高对病变区域检测的敏感度和特异度。迄今为止,研究者在目标检测领域提出了很多有效的方法,特别是基于深度学习的较多算法在自然图像目标检测中取得了很好的效果。根据算法的特点,基于深度学习的目标检测算法可以分成两个类别:1、基于候选区域的方法,例如RCNN、FastRCNN、FasterRCNN等算法,该类方法基于两个步骤:首先算法生成大量的可能为目标区域的候选窗口;其次通过学习分类器,对上述候选窗口进行判别,得到最后的目 ...
【技术保护点】
1.一种基于多维度信息融合的乳腺MRI病变区域检测方法,其特征在于,包括:采用卷积神经网络,对预设图像进行特征学习,使所述卷积神经网络学习到所述预设图像中病变区域和正常组织之间的差异,获取训练后的卷积神经网络;获取待检测的乳腺MRI图像,所述待检测的乳腺MRI图像包括:同一期连续断层图像和同一断层不同期图像;根据所述训练后的卷积神经网络,对所述同一期连续断层图像进行病变区域选取,获取一个以上候选窗口;采用循环神经网络,对所述同一断层不同期图像进行编码,获取所述同一断层不同期图像的信号强度与病变类型之间的相关信息;将所述一个以上候选窗口映射到所述相关信息中,通过预设的分类器进行分类,获取最终的病变区域检测结果。
【技术特征摘要】
1.一种基于多维度信息融合的乳腺MRI病变区域检测方法,其特征在于,包括:采用卷积神经网络,对预设图像进行特征学习,使所述卷积神经网络学习到所述预设图像中病变区域和正常组织之间的差异,获取训练后的卷积神经网络;获取待检测的乳腺MRI图像,所述待检测的乳腺MRI图像包括:同一期连续断层图像和同一断层不同期图像;根据所述训练后的卷积神经网络,对所述同一期连续断层图像进行病变区域选取,获取一个以上候选窗口;采用循环神经网络,对所述同一断层不同期图像进行编码,获取所述同一断层不同期图像的信号强度与病变类型之间的相关信息;将所述一个以上候选窗口映射到所述相关信息中,通过预设的分类器进行分类,获取最终的病变区域检测结果。2.根据权利要求1所述的基于多维度信息融合的乳腺MRI病变区域检测方法,其特征在于,所述训练后的卷积神经网络...
【专利技术属性】
技术研发人员:陈小刚,
申请(专利权)人:泰格麦迪北京医疗科技有限公司,
类型:发明
国别省市:北京,11
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。