一种乳腺超声图像病灶智能识别防漏判系统的构建方法技术方案

本发明专利技术公开了一种乳腺超声图像病灶智能识别防漏判系统的构建方法，包括S1.数据准备，S2.深度神经网络模型设计，S3.防漏诊数据一致性设计，S4.防漏诊模型训练，S5.防漏诊模型测试。本发明专利技术乳腺超声图像病灶智能识别防漏判系统的构建方法，构建的系统添加了一个防漏诊模型模块，防漏诊模型模块使用生成对抗神经网络来设计，能够降低原有的计算机智能诊断系统的漏诊率，以此来提升辅助诊断的效果和精度，减少医院医生的工人看片成本，提高效率。提高效率。提高效率。

【技术实现步骤摘要】
一种乳腺超声图像病灶智能识别防漏判系统的构建方法


[0001]本专利技术涉及超声影像
，尤其是涉及一种乳腺超声图像病灶智能识别防漏判系统的构建方法。

技术介绍

[0002]乳腺癌是发生在乳腺腺上皮组织的恶性肿瘤。乳腺癌中99%发生在女性，男性仅占1%。女性乳腺是由皮肤、纤维组织、乳腺腺体和脂肪组成的，乳腺并不是维持人体生命活动的重要器官，原位乳腺癌并不致命；但由于乳腺癌细胞丧失了正常细胞的特性，细胞之间连接松散，容易脱落。癌细胞一旦脱落，游离的癌细胞可以随血液或淋巴液播散全身，形成转移，危及生命。目前乳腺癌已成为威胁女性身心健康的常见肿瘤并已成为当前社会的重大公共卫生问题。据世界卫生组织国际癌症研究机构（IARC）发布的2020最新全球癌症数据显示，乳腺癌已经取代肺癌成为全球第一大癌。乳腺癌发病人数增加，根本原因之一是乳腺癌风险因素的不断变化，比如推迟生育、生育次数减少，这在正经历社会和经济转型的国家中最为明显，超重和肥胖，以及缺乏运动，也是造成全世界乳腺癌发病率上升的原因。中国不是乳腺癌的高发病国家，但情况依旧不宜乐观，乳腺癌的早发现，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乳腺超声图像病灶智能识别防漏判系统的构建方法，其特征在于：包括S1.数据准备，S2.深度神经网络模型设计，S3.防漏诊数据一致性设计，S4.防漏诊模型训练，S5.防漏诊模型测试。2.根据权利要求1所述的乳腺超声图像病灶智能识别防漏判系统的构建方法，其特征在于：数据准备包括以下步骤：S1.1.数据标注：对于彩超图像中发生乳腺癌病变的确切位置进行标注，以获取对应图像的标签，每一张彩超图像对应一个标签，0代表正常乳腺或者良性肿瘤，1代表恶性肿瘤；S1.2.数据预处理：对于每个彩超报告，裁减掉除了彩超图像以外的其他信息以防止额外信息的干扰；将每张彩超图像重新拉伸或缩减至相同大小以适应网络输入大小；S1.3.数据集划分：将预处理过后的彩超图像数据按照4:1的比例划分为训练集、测试集。3.根据权利要求1所述的乳腺超声图像病灶智能识别防漏判系统的构建方法，其特征在于：深度神经网络模型设计包括以下步骤：S2.1.训练数据增强：待训练彩超图像将进行随机角度旋转、随机中心剪裁、随机垂直翻转和随机水平翻转这几种方法叠加来扩充训练集；S2.2.数据编码：将彩超图像数据转化为计算机模型能够识别的模式，对于每一张彩超图像，采用RGB三通道编码方式将其转化为对应的数值，同时压缩每张图片为同一大小以适应网络输入；每张图片的输入维度为3
×
图片长度
×
图片宽度；其对应标签，其中0代表正常乳腺或良性肿瘤，1代表恶性肿瘤；S2.3.特征提取：将编码后的彩超图像数据输入到神经网络用于训练，整个神经网络包括多个不同尺度的卷积层，多个不同尺度的最大池化层，非线性激活函数ReLu函数，一个全局平均池化层；S2.4.分类模块处理：将提取到的特征输入到该分类模块用于整合所有特征以获得最终的分类结果；该分类模块采用softmax函数，将对是否属于0类和是否属于1类分别给出概率值，最后选取给定概率最高的为预测结果；S2.5.误差反向传播：分类模块输出结果后，将预测值与真实标签相减得到预测误差；运用BP算法将误差反向传播以更新网络中每一层的权值，最终通过不断地迭代训练出稳定的分类网络。4.根据权利要求1所述的乳腺超声图像病灶智能识别防漏判系统的构建方法，其特征在于：防漏诊数据一致性设计基于以下两种一致性：空间一致性和分布一致性；空间一致性，保证图像在空间上的一致性，每张图像在进入防漏诊模型训练之前将放入自编码网络进行图像复原；自编码网络的输入为通过各种方式获取的图像数据，输出为该图像对应的原始彩超图像；对于输入数据，自编码器将自动学习一种对应的映射关系，使得输出数据满足；其中编码器负责将输入压缩至中间特征，解码器负责将中间特征解码到对应数据分布；分布一致性，采用生成对抗网络来实现分布一致性，原始训练数据集将被分为和两个子...

【专利技术属性】
技术研发人员：章毅，郭泉，戚晓峰，刘文杰，周尧，张蕾，
申请(专利权)人：四川大学，
类型：发明
国别省市：