【技术实现步骤摘要】
一种乳腺病变检测方法和装置
本专利技术涉及图像处理
，特别是涉及一种乳腺病变检测方法和一种乳腺病变检测装置。
技术介绍
乳腺癌是一种常见的恶性肿瘤，早期诊断和治疗是降低乳腺癌死亡率的关键。乳腺图像中的病变区域包括肿块、钙化点、双侧不对称、结构扭曲等形式，其中，肿块和钙化点簇是乳腺癌最常见的影像学征象，因此，肿块和钙化点的自动检测也成为计算机辅助诊断系统的两个主要方面。其中，肿块由于其边缘模糊，形状各异，与周围组织对比度较低等因素，一直都是计算机辅助诊断系统的一个难点。人工神经网络，如深度学习，其是对输入信息进行逐层加工，从而把初始的与输出目标之间联系不太密切的输入表示，转化成与输出目标联系更密切的表示，使原来仅基于最后一层输出映射难以完成的任务成为可能。即通过多层处理，逐渐将初始的“低层”特征表示转化成为“高层”特征表示。因此可以认为深度学习就是在进行“特征学习”或者“表示学习”。其中，卷积神经网络(CNN，ConvolutionalNeuralNetwork)目前被认为是深度学习结构中比较好的一种，因其将特征...
【技术保护点】
1.一种乳腺病变检测方法，其特征在于，包括：/n利用人工神经网络的自学习能力，建立乳腺图像的图像特征与乳腺病变区域之间的对应关系；/n获取当前乳腺图像的当前图像特征；/n通过所述对应关系，确定与所述当前图像特征对应的当前乳腺病变区域；/n所述确定与所述当前图像特征对应的当前乳腺病变区域的步骤，包括：将所述对应关系中与所述当前图像特征相同的图像特征对应的乳腺病变区域，确定为当前乳腺病变区域。/n
【技术特征摘要】
1.一种乳腺病变检测方法，其特征在于，包括：
利用人工神经网络的自学习能力，建立乳腺图像的图像特征与乳腺病变区域之间的对应关系；
获取当前乳腺图像的当前图像特征；
通过所述对应关系，确定与所述当前图像特征对应的当前乳腺病变区域；
所述确定与所述当前图像特征对应的当前乳腺病变区域的步骤，包括：将所述对应关系中与所述当前图像特征相同的图像特征对应的乳腺病变区域，确定为当前乳腺病变区域。
2.根据权利要求1所述的方法，其特征在于，所述乳腺图像，包括：原始乳腺图像和/或预处理图像；
其中，所述预处理图像为将所述原始乳腺图像进行预处理后生成的乳腺图像；和/或，
所述图像特征，包括：颜色特征、纹理特征、形状特征、空间关系特征中的至少之一；和/或，
所述对应关系，包括：函数关系；
所述图像特征为所述函数关系的输入参数，所述乳腺病变区域为所述函数关系的输出参数；
所述确定与所述当前图像特征对应的当前乳腺病变区域的步骤，还包括：
当所述对应关系包括函数关系时，将所述当前图像特征输入所述函数关系中，确定所述函数关系的输出参数为当前乳腺病变区域。
3.根据权利要求2所述的方法，其特征在于，所述将所述原始乳腺图像进行预处理的步骤，包括：
获取所述原始乳腺图像；
确定所述原始乳腺图像的有效乳腺区域范围；
依据所述有效乳腺区域范围生成预处理图像。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述建立乳腺图像的图像特征与乳腺病变区域之间的对应关系的步骤，包括：
获取用于建立所述图像特征与所述乳腺病变区域之间的对应关系的样本数据；
分析所述图像特征的特性及其规律，根据所述特性及其规律，确定所述人工神经网络的网络结构及其网络参数；
使用所述样本数据，对所述网络结构和所述网络参数进行训练和测试，确定所述图像特征与所述乳腺病变区域的所述对应关系。
5.根据权利要求4所述的方法，其特征在于，所述获取用于建立所述图像特征与所述乳腺病变区域之间的对应关系的样本数据的步骤，包括：
获取多个不同的乳腺图像的图像特征和乳腺病变区域；
对所述图像特征进行分析、并结合预存的医生标注的病变位置信息，选取与所述乳腺病变区域相关的数据作为所述图像特征；
将所述乳腺病变区域、以及选取的所述图像特征构成的数据对，作为样本数据。
...
【专利技术属性】
技术研发人员：鄢照龙，孙瑞超，王永贞，李勇，陈晶，
申请(专利权)人：深圳蓝韵医学影像有限公司，
类型：发明
国别省市：广东;44
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。