一种乳腺肿块图像处理和分类系统技术方案

本发明专利技术涉及一种乳腺肿块图像处理和分类系统，包括：乳腺X线机，用于拍摄乳腺X线摄影图像；图像预处理模块，用于对所述乳腺X线摄影图像进行预处理；乳房区域提取模块，用于提取预处理后的所述乳腺X线摄影图像中的乳房区域图像；肿块检测和分类模块，用于DIoU‑YOLOv3目标检测网络对所述乳房区域图像进行肿块位置检测和良性恶性分类。实施本发明专利技术的乳腺肿块图像处理和分类系统，可以采用目标检测网络自动对乳腺肿块进行检测和良恶性分类，因此与人工阅片相比速度快、效率高且准确率高。

【技术实现步骤摘要】
一种乳腺肿块图像处理和分类系统
本专利技术涉及图像处理和分类技术，更具体地说，涉及一种乳腺肿块图像处理和分类系统。
技术介绍
相关数据显示，在全球范围内，乳腺癌在发达国家和发展中国家的女性恶性肿瘤发病率中均居首位。因此，早期发现乳腺癌对降低女性死亡率至关重要。在目前众多乳腺疾病的诊断方法中，数字化乳腺摄影是早期发现可疑乳房肿块和微钙化最可靠的筛查方法。在诊断乳房异常时，放射科医师将可疑肿块分为良性或恶性。然而，只有积累大量的经验，才能对乳房X线照片做出更准确的判断。更重要的是，现有的诊断主要依赖于放射科医师的主观判断，这就要求放射科医师具有较高的集中能力。然而，长时间、超负荷的工作，不可避免地会造成视觉疲劳和心理疲劳。另外，乳腺X线摄影为投影成像，腺体致密组织容易阻塞肿物，而亚洲女性腺体致密比例较高，容易误诊和漏诊。因此，针对现有技术的乳腺肿块图像处理和分类的效率低、医师工作负荷大且准确性和特异性低的问题，需要提出一种准确率更高、诊断速度快的乳腺肿块图像处理和分类系统。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种确率更高、诊断速度快的乳腺肿块图像处理和分类系统。本专利技术解决其技术问题所采用的技术方案是：构造一种乳腺肿块图像处理和分类系统，包括：乳腺X线机，用于拍摄乳腺X线摄影图像；图像预处理模块，用于对所述乳腺X线摄影图像进行预处理；乳房区域提取模块，用于提取预处理后的所述乳腺X线摄影图像中的乳房区域图像；肿块检测和分类模块，用于DIoU-YOLOv3目标检测网络对所述乳房区域图像进行肿块位置检测和良性恶性分类。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述图像预处理模块包括：图像对比度增强单元，用于将所述乳腺X线摄影图像转换为灰度图，并将所述灰度图进行直方图均衡化，再将均衡化的图像转换成彩色RGB图像；图像数据增强单元，用于将所述彩色RGB图进行图像数据扩充变换以获得预处理后的所述乳腺X线摄影图像。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述图像数据扩充变换包括：X轴平移变换、形变变换、垂直翻转变换、Y轴错切变换、左右翻转变换、旋转变换、X轴错切变换、高斯模糊变换或缩放变换。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述乳房区域提取模块进一步包括：检测单元，用于将预处理后的所述乳腺X线摄影图像输入YOLOv3目标检测网络进行乳房检测以获得乳房位置坐标；裁切单元，用于根据所述乳房位置坐标，裁切预处理后的所述乳腺X线摄影图像以获得所述乳房区域图像。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述YOLOv3目标检测网络为YOLOv3-tiny网络，所述YOLOv3-tiny网络仅包括两个yolo层，大小分别为13×13和26×26。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述肿块检测和分类模块包括：DIoU-YOLOv3目标检测网络，所述DIoU-YOLOv3目标检测网络的损失函数包括坐标回归损失DIoU，置信度损失和类别损失，所述置信度损失和类别损失均为二值交叉熵；训练模块，用于基于标准乳腺X线摄影图像、肿块位置坐标以及肿块良恶性标签训练所述DIoU-YOLOv3目标检测网络；检测模块，基于训练好的所述DIoU-YOLOv3目标检测网络对所述乳房区域图像进行分类。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述坐标回归损失DIoU表示为：其中，b，bgt分别代表了预测框和真实框的中心点，ρ表示两个中心点间的欧式距离，c表示同时包含预测框和真实框的最小闭包区域的对角线距离，IoU表示交并比。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述置信度损失表示为：S表示将图像拆分成的预测单元格的数量，代表第i行第j列的预测单元格中含有真实物体的中心，代表第i行第j列的cell中不含有真实物体的中心，表示置信度，λnoobj表示权重系数，B表示边界框。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述权重系数λnoobj为0.5。在本专利技术所述的乳腺肿块图像处理和分类系统中，所述类别损失为：Pij表示分类的概率。实施本专利技术的乳腺肿块图像处理和分类系统，可以采用目标检测网络自动对乳腺肿块进行检测和良恶性分类，因此与人工阅片相比速度快、效率高且准确率高。进一步地，通过采用改进的边框回归损失函数构成的目标检测网络(DIoU-YOLOv3目标检测网络)实现对乳腺肿块的检测和良恶性分类，大大提高了乳腺X线摄影图像中肿块检测边框的准确度。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术的第一优选实施例的原理框图；图2是本专利技术的第二优选实施例的原理框图；图3是根据图2所示优选实施例的YOLOv3-tiny网络的结构示意图；图4A-4B是根据图2所示优选实施例的YOLOv3-tiny网络获得的乳房检测结果的示意图；图5示出了根据图2所示优选实施例的DIoU-YOLOv3目标检测网络的结构示意图；图6是图5所示的DIoU-YOLOv3目标检测网络的卷积示意图；图7A-7B是根据图2所示优选实施例的DIoU-YOLOv3目标检测网络获得的乳房检测结果的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1是本专利技术的第一优选实施例的原理框图。如图1所示，本专利技术的乳腺肿块图像处理和分类系统，包括：乳腺X线机100，图像预处理模块200，乳房区域提取模块300和肿块检测和分类模块400。所述乳腺X线机100亦称为钼靶X线机，主要用于女性乳腺的X线摄影检查，是目前医院妇科及专科医院基本的乳腺检查、诊断设备，能够及时发现乳腺组织中的肿块及微小的钙化点，也可用于非金属异物和其它软组织如血管瘤的摄影，在此其用于拍摄乳腺X线摄影图像。所述图像预处理模块200可以通过有线或者无线通信设备，从所述乳腺X线机100接收该乳腺X线摄影图像，并对其进行预处理。在本领域中，任何已知的图像预处理方法都可以用于本专利技术，比如对比度增强，颜色改变，或者图像变换等等。所述乳房区域提取模块300，用于提取预处理后的所述乳腺X线摄影图像中的乳房区域图像。在此，可以通过任何已知方式选择出所述乳腺X线摄影图像中的乳房区域图像，优选例如将预处理后的所述乳腺X线摄影图像输入YOLOv3目标检测网络进行乳房检测以获得乳房位置坐标，然后根据所述乳房位置坐标，裁切预处理后的所述乳腺X线摄影图像以获得所述乳房区域图像。所述肿块检测和分类模块400用于DIoU-YOLOv3目标检测网络对所述乳房区域图像进行肿块位置检测和良性恶性分类。本领域技术人员知悉，在本专利技术中，所述图像预处理本文档来自技高网...

【技术保护点】
1.一种乳腺肿块图像处理和分类系统，其特征在于，包括：/n乳腺X线机，用于拍摄乳腺X线摄影图像；/n图像预处理模块，用于对所述乳腺X线摄影图像进行预处理；/n乳房区域提取模块，用于提取预处理后的所述乳腺X线摄影图像中的乳房区域图像；/n肿块检测和分类模块，用于DIoU-YOLOv3目标检测网络对所述乳房区域图像进行肿块位置检测和良性恶性分类。/n

【技术特征摘要】
1.一种乳腺肿块图像处理和分类系统，其特征在于，包括：
乳腺X线机，用于拍摄乳腺X线摄影图像；
图像预处理模块，用于对所述乳腺X线摄影图像进行预处理；
乳房区域提取模块，用于提取预处理后的所述乳腺X线摄影图像中的乳房区域图像；
肿块检测和分类模块，用于DIoU-YOLOv3目标检测网络对所述乳房区域图像进行肿块位置检测和良性恶性分类。


2.根据权利要求1所述的乳腺肿块图像处理和分类系统，其特征在于，所述图像预处理模块包括：
图像对比度增强单元，用于将所述乳腺X线摄影图像转换为灰度图，并将所述灰度图进行直方图均衡化，再将均衡化的图像转换成彩色RGB图像；
图像数据增强单元，用于将所述彩色RGB图进行图像数据扩充变换以获得预处理后的所述乳腺X线摄影图像。


3.根据权利要求2所述的乳腺肿块图像处理和分类系统，其特征在于，所述图像数据扩充变换包括：X轴平移变换、形变变换、垂直翻转变换、Y轴错切变换、左右翻转变换、旋转变换、X轴错切变换、高斯模糊变换或缩放变换。


4.根据权利要求1-3中任意一项所述的乳腺肿块图像处理和分类系统，其特征在于，所述乳房区域提取模块进一步包括：
检测单元，用于将预处理后的所述乳腺X线摄影图像输入YOLOv3目标检测网络进行乳房检测以获得乳房位置坐标；
裁切单元，用于根据所述乳房位置坐标，裁切预处理后的所述乳腺X线摄影图像以获得所述乳房区域图像。


5.根据权利要求4所述的乳腺肿块图像处理和分类系统，其特征在于，所述YOLOv3目标检测网络为YOLOv3-tiny网络，所述YOLOv3-tiny网络仅包括两个yolo层，...

【专利技术属性】
技术研发人员：王杉，胡艺莹，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：江西;36