一种基于信息瓶颈的智能乳腺对比增强摄影分类系统技术方案

本发明专利技术公开了一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，包括：图像获取模块获取乳腺对比增强摄影影像及对应的良恶性类别标签；图像预处理模块对乳腺对比增强摄影影像进行预处理操作；特征提取模块对预处理后的乳腺对比增强摄影影像提取图像特征；信息瓶颈模块基于信息瓶颈方法计算图像特征、良恶性类别标签以及输入图像间的互信息，以此得到网络损失函数；图像分类模块基于图像特征与损失函数对分类模型进行训练，基于训练后的分类模型得到待分类影像图像的良恶性分类结果。解决基于人工智能的乳腺对比增强摄影精准分类的问题。

【技术实现步骤摘要】
一种基于信息瓶颈的智能乳腺对比增强摄影分类系统
本专利技术涉及医学影像处理
，特别是涉及一种基于信息瓶颈的智能乳腺对比增强摄影分类系统。
技术介绍
本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。乳腺癌在女性癌症中的占有率非常高，严重威胁着女性的健康。临床上对乳腺癌发病机制说法不一，因此其病因仍不明确。对乳腺癌的预防只能是定期进行体检和筛查，由此可见有效的检测方法对乳腺癌的早期治疗十分重要。常见的乳房检查方式有：乳腺超声、MRI、钼靶摄影以及乳腺对比增强摄影，这些技术在一定程度上都可以发现病灶，降低乳腺癌的死亡率。作为一种新兴的乳腺癌检测技术，乳腺对比增强摄影是在对病人注射造影剂后，通过数字双能乳腺对比增强摄影设备采集得到的。这种图像包含两个模态的乳腺影像，所以能够从不同层面获得乳腺肿瘤形态，同时克服乳腺钼靶摄影中的经常出现的组织重叠现象，是一种很有前景的成像技术。临床上对乳腺图像一般都是通过放射科医生进行检查，耗费大量人工成本。此外，由于乳腺组织之间的相互遮挡，肿块可能从图像中被遗漏造成误诊。基于机器学习的图像分析方法可以利用计算机技术，辅助医生对乳腺影像进行阅读，提高乳腺癌检测的准确性，因此计算机诊断的结果可以作为参考来提高医生诊断的精度和准确性。近年来，出现了许多基于计算机的图像分析技术，尤其近几年的人工智能技术更是得到了快速发展。然而，基于人工智能对乳腺对比增强摄影进行研究的方法，很多是将自然图像直接替换为乳腺对比增强摄影，而没有考虑到其具体特点；例如乳腺对比增强摄影包含多个模态和多个视角的图像，关于这类图像的智能分析方法很少同时考虑这个特征。为了充分利用乳腺对比增强摄影的特点，需要对基于人工智能的对比增强能谱乳腺摄影分析模型进行改进。综上所述，对于乳腺对比增强摄影的智能分析问题，尚缺乏行之有效的解决方案。
技术实现思路
针对现有技术中存在的不足，本专利技术提供了一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，通过乳腺对比增强摄影影像的两种模态和两种视角的图像特征，利用信息瓶颈方法得到更多与分类相关的信息表示，提高乳腺对比增强摄影分类的精度，解决基于人工智能的乳腺对比增强摄影精准分类的问题。为了实现上述目的，本专利技术采用如下技术方案：第一方面，本专利技术提供一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，包括：图像获取模块，被配置为获取乳腺对比增强摄影影像及对应的良恶性类别标签；图像预处理模块，被配置为对乳腺对比增强摄影影像进行预处理操作；特征提取模块，被配置为对预处理后的乳腺对比增强摄影影像提取图像特征；信息瓶颈模块，被配置为基于信息瓶颈方法计算图像特征、良恶性类别标签以及输入图像间的互信息，以此得到网络损失函数；图像分类模块，被配置为基于图像特征与损失函数对分类模型进行训练，基于训练后的分类模型得到待分类影像图像的良恶性分类结果。作为可选择的实施方式，在所述图像获取模块中，乳腺对比增强摄影影像包括乳腺的CC位能谱低能图像、CC位能谱对比增强图像、MLO位的能谱低能图像及MLO位的能谱对比增强图像。作为可选择的实施方式，所述图像预处理模块，包括：图像裁剪子模块，被配置为计算乳腺对比增强摄影影像中每一列像素值为零的像素占本列的百分比，基于百分比对乳腺对比增强摄影影像进行裁剪。作为可选择的实施方式，所述图像预处理模块，包括：图像增强子模块，被配置为对预先完成裁剪后的乳腺对比增强摄影影像进行图像旋转、翻转、平移、增加噪声或增加对比度的图像增强处理。作为可选择的实施方式，所述图像预处理模块，包括：图像归一化子模块，被配置为基于图像像素值对乳腺对比增强摄影影像进行归一化处理。作为可选择的实施方式，所述图像预处理模块，包括：尺度调整子模块，被配置为基于特征提取的尺度需求对乳腺对比增强摄影影像进行尺度调整。作为可选择的实施方式，以多层卷积神经网络对预处理后的乳腺对比增强摄影影像进行图像特征的提取。作为可选择的实施方式，图像特征、良恶性类别标签以及输入图像间的互信息为：其中，N为图像数量；是每张图像与标签之间的交叉熵函数；λ是的正则化参数；zi(ri)是服从(0，I)的高斯分布；p(ri|xi)是高斯分布，其均值和方差都是由多层感知器的输出决定。第二方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成基于信息瓶颈的智能乳腺对比增强摄影分类方法，具体包括：获取乳腺对比增强摄影影像及对应的良恶性类别标签；对乳腺对比增强摄影影像进行预处理操作；对预处理后的乳腺对比增强摄影影像提取图像特征；基于信息瓶颈方法计算图像特征、良恶性类别标签以及输入图像间的互信息，以此得到网络损失函数；基于图像特征与损失函数对分类模型进行训练，基于训练后的分类模型得到待分类影像图像的良恶性分类结果。第三方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成基于信息瓶颈的智能乳腺对比增强摄影分类方法，具体包括：获取乳腺对比增强摄影影像及对应的良恶性类别标签；对乳腺对比增强摄影影像进行预处理操作；对预处理后的乳腺对比增强摄影影像提取图像特征；基于信息瓶颈方法计算图像特征、良恶性类别标签以及输入图像间的互信息，以此得到网络损失函数；基于图像特征与损失函数对分类模型进行训练，基于训练后的分类模型得到待分类影像图像的良恶性分类结果。与现有技术相比，本专利技术的有益效果是：本专利技术首先对采集到的乳腺影像进行预处理以及图像增强操作，同时输入乳腺对比增强摄影影像的两个模态和两个视角的图像以及对应的类别标签；然后利用神经网络提取图像特征，利用信息瓶颈方法分析不同图像间与类别标签最相关的特征表示；最后将图像特征输入到分类器进行良恶性分类。本专利技术获得两种模态、两种视角的图像特征，同时利用信息瓶颈的方法获得更多与分类相关的信息表示，提高乳腺对比增强摄影分类的精度。本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1是本专利技术实施例1提供的基于信息瓶颈的智能乳腺对比增强摄影分类系统示意图；图2(a)-2(d)是本专利技术实施例1提供的用于训练的乳腺对比增强摄影的两个模态两个视角的图像示例图；图3是本专利技术实施例1提供的基于信息瓶颈的智能乳腺对比增强摄影分类过程结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施本文档来自技高网...

【技术保护点】
1.一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，其特征在于，包括：/n图像获取模块，被配置为获取乳腺对比增强摄影影像及对应的良恶性类别标签；/n图像预处理模块，被配置为对乳腺对比增强摄影影像进行预处理操作；/n特征提取模块，被配置为对预处理后的乳腺对比增强摄影影像提取图像特征；/n信息瓶颈模块，被配置为基于信息瓶颈方法计算图像特征、良恶性类别标签以及输入图像间的互信息，以此得到网络损失函数；/n图像分类模块，被配置为基于图像特征与损失函数对分类模型进行训练，基于训练后的分类模型得到待分类影像图像的良恶性分类结果。/n

【技术特征摘要】
1.一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，其特征在于，包括：
图像获取模块，被配置为获取乳腺对比增强摄影影像及对应的良恶性类别标签；
图像预处理模块，被配置为对乳腺对比增强摄影影像进行预处理操作；
特征提取模块，被配置为对预处理后的乳腺对比增强摄影影像提取图像特征；
信息瓶颈模块，被配置为基于信息瓶颈方法计算图像特征、良恶性类别标签以及输入图像间的互信息，以此得到网络损失函数；
图像分类模块，被配置为基于图像特征与损失函数对分类模型进行训练，基于训练后的分类模型得到待分类影像图像的良恶性分类结果。


2.如权利要求1所述的一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，其特征在于，在所述图像获取模块中，乳腺对比增强摄影影像包括乳腺的CC位能谱低能图像、CC位能谱对比增强图像、MLO位的能谱低能图像及MLO位的能谱对比增强图像。


3.如权利要求1所述的一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，其特征在于，所述图像预处理模块，包括：图像裁剪子模块，被配置为计算乳腺对比增强摄影影像中每一列像素值为零的像素占本列的百分比，基于百分比对乳腺对比增强摄影影像进行裁剪。


4.如权利要求1所述的一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，其特征在于，所述图像预处理模块，包括：图像增强子模块，被配置为对预先完成裁剪后的乳腺对比增强摄影影像进行图像旋转、翻转、平移、增加噪声或增加对比度的图像增强处理。


5.如权利要求1所述的一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，其特征在于，所述图像预处理模块，包括：图像归一化子模块，被配置为基于图像像素值对乳腺对比增强摄影影像进行归一化处理。


6.如权利要求1所述的一种基于信息瓶颈的智能乳腺对比增强摄影分类系统，其特征在于，所述图像预处理模块，包括：尺度调整子模块，...

【专利技术属性】
技术研发人员：郑元杰，宋景琦，徐晨曦，姜岩芸，王军霞，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37