基于注意力的ResNet模型的乳腺癌肿块的分类方法技术

本发明专利技术涉及一种基于注意力的ResNet模型的乳腺癌肿块的分类方法，包括：获取分类完成的乳腺X射线图像，将注意力模块与ResNet网络模型结合，得到基于注意力的ResNet网络模型，将乳腺X射线图像输入基于注意力的ResNet网络模型进行训练，同时对基于注意力的ResNet网络模型的参数进行调整，完成对基于注意力的ResNet网络模型的训练；获取实时拍摄的乳腺X射线图像，输入至训练好的基于注意力的ResNet网络模型中，输出结果完成对实时拍摄的乳腺X射线图像中乳腺癌肿块的分类。本发明专利技术通过使用基于注意力机制的卷积神经网络对乳腺癌肿块进行良恶性分类，避免因医生主观判断失误，造成的误诊漏诊的情况，提高诊断效率。

【技术实现步骤摘要】
基于注意力的ResNet模型的乳腺癌肿块的分类方法
本专利技术属于神经网络
，具体涉及一种基于注意力的ResNet模型的乳腺癌肿块的分类方法。
技术介绍
乳腺癌是女性中发病率最高的癌症，严重威胁女性的身心健康。乳腺癌的早期发现，可以增加乳腺癌的治愈率，减小患者的痛苦。在乳腺癌的临床诊断中，乳腺x线摄影技术是常用的乳腺癌检查方法，其成本低廉对患者造成的伤害小。主要用于乳腺癌筛查和诊断。一般地，乳腺x线图像的诊断主要靠影像科医生，尽管有经验的医生，在诊断时也容易会受到主观影响，产生误诊和漏诊的情况。所以，放射科医生需要计算机辅助诊断系统来提高诊断效率。近年来，人工智能技术不断发展，在图像方面的应用十分广泛。在图像方面，卷积神经网络的应用有很好的效果，因此，我们将卷积神经网络应用到医学图像领域中。注意力机制已经被证明可以关注到更多的有用信息而忽略无用的信息，可以有效提高卷积神经网络的分类性能。本文中我们使用基于注意力机制的卷积神经网络对乳腺癌肿块进行良恶性分类。
技术实现思路
为解决上述技术问题，本专利技术设计一种基本文档来自技高网...

【技术保护点】
1.一种基于注意力的ResNet模型的乳腺癌肿块的分类方法，其特征在于，包括：/n获取分类完成的乳腺X射线图像，并对图像进行预处理，将预处理完成的乳腺X射线图像分为训练集和测试集；/n将注意力模块与ResNet网络模型结合，得到基于注意力的ResNet网络模型，将作为训练集的乳腺X射线图像输入基于注意力的ResNet网络模型进行训练，同时对基于注意力的ResNet网络模型的参数进行调整，完成对基于注意力的ResNet网络模型的训练，并通过作为测试集的乳腺X射线图像验证训练好的基于注意力的ResNet网络模型的准确性；/n获取实时拍摄的乳腺X射线图像，输入至训练好的基于注意力的ResNet网络模...

【技术特征摘要】
1.一种基于注意力的ResNet模型的乳腺癌肿块的分类方法，其特征在于，包括：
获取分类完成的乳腺X射线图像，并对图像进行预处理，将预处理完成的乳腺X射线图像分为训练集和测试集；
将注意力模块与ResNet网络模型结合，得到基于注意力的ResNet网络模型，将作为训练集的乳腺X射线图像输入基于注意力的ResNet网络模型进行训练，同时对基于注意力的ResNet网络模型的参数进行调整，完成对基于注意力的ResNet网络模型的训练，并通过作为测试集的乳腺X射线图像验证训练好的基于注意力的ResNet网络模型的准确性；
获取实时拍摄的乳腺X射线图像，输入至训练好的基于注意力的ResNet网络模型中，输出结果完成对实时拍摄的乳腺X射线图像中乳腺癌肿块的分类。


2.根据权利要求1所述的基于注意力的ResNet模型的乳腺癌肿块的分类方法，其特征在于，对分类完成的乳腺X射线图像进行预处理的步骤中，包括步骤：对分类完成的乳腺X射线图像进行数字噪声的消除、伪影消除以及图像归一化。


3.根据权利要求2所述的基于注意力的ResNet模型的乳腺癌肿块的分类方法，其特征在于，在对分类完成的乳腺X射线图像进行预处理的步骤之后，还包括对处理好的乳腺X射线图像进行数据增强的步骤，具体包括：旋转、翻转、缩放、平移和随机裁剪。


4.根据权利要求1所述的基于注意力的ResNet模型的乳腺癌肿块的分类方法，其特征在于，在将注意力模块与ResNet网络模型结合，得到基...

【专利技术属性】
技术研发人员：李化，牛婧，袁晓辉，李强，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14