一种融合全局和局部信息的乳腺癌辅助检测方法技术

本发明专利技术公开了一种融合全局和局部信息的乳腺癌辅助检测方法，先通过图像处理技术去除影像中的噪声、裁剪无关背景，得到只包含乳腺区域的图像；然后将图像送入全局网络提取全局信息，得到全局显著性图；接着通过全局显著性图选出若干个可能包含良性/恶性肿瘤的高危区域，将这些高危区域送入局部网络进一步提取局部细节特征；最后通过融合网络融合全局信息和局部细节特征，自动判别输入影像是否存在良性/恶性肿瘤，对存在肿瘤的影像，进一步检测出肿瘤的区域。本方法对乳腺钼靶图像进行由粗到精的分析，能够较快速地自动检测到不同设备采集的乳腺钼靶图像中的良性、恶性肿瘤分布区域，为医生提供辅助诊断信息并提高工作效率。为医生提供辅助诊断信息并提高工作效率。为医生提供辅助诊断信息并提高工作效率。

【技术实现步骤摘要】
一种融合全局和局部信息的乳腺癌辅助检测方法


[0001]本专利技术属于模式识别与计算机视觉领域，具体涉及一种融合全局和局部信息的乳腺癌辅助检测方法。

技术介绍

[0002]乳腺癌是女性群体中最常见的一种癌症。2020年最新数据显示，全球乳腺癌新增人数达226万，乳腺癌已经取代肺癌成为全球发病率第一的癌症。乳腺癌筛查是检测和早期诊断乳腺癌的重要手段之一，其目的在于在未出现症状的情况下发现和诊断癌症。乳腺癌筛查不仅可降低乳腺癌死亡风险，还可促进早期治疗。乳腺X射线钼靶影像是目前临床最常用，也最有效的乳腺癌筛查方式。将机器学习(深度学习)、计算机视觉技术和乳腺钼靶影像结合起来，对乳腺钼靶影像进行分析，将有效辅助医疗专家提高诊断准确性和效率。
[0003]目前采用机器学习(深度学习)技术进行自动乳腺钼靶影像诊断的方法大体可以分为两类：基于全局信息的方法和基于局部信息的方法。基于全局信息的方法将整张乳腺钼靶图像送入模型进行分析，提取全局特征进行分类。由于乳腺钼靶图像分辨率很高(通常有几千万个像素)，因此模型要有一定的深度，同时为减少计算量，通常会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合全局和局部信息的乳腺癌辅助检测方法，其特征在于，该方法包括如下步骤：(1)获取乳腺钼靶图像；(2)对图像进行阈值分割得到包含乳腺区域的最小外接矩形、用该矩形裁剪图像得到乳腺图像；(3)对步骤(2)处理获得的图像进行全局扫描，提取全局信息，得到全局显著性图；(4)根据步骤(3)得到的全局信息，获得可能包含良性/恶性肿瘤的高危区域，提取高危区域的局部特征；(5)融合步骤(3)和(4)得到的全局和局部信息，进行良性/恶性肿瘤检测，得到输入图像中良性/恶性肿瘤区域。2.根据权利要求1所述的一种融合全局和局部信息的乳腺癌辅助检测方法，其特征在于，在步骤(2)中，若有图像中有噪声，则进行高斯模糊或中值滤波去除噪声，再进行背景剪切，得到只包括乳腺区域的图像，具体步骤如下：(2
‑
1)对输入图像或去噪以后的图像I，采用OTSU阈值分割法对I进行二值分割，得到前景乳腺区域二值图Binary
breast
(2
‑
2)由Binary
breast
得到包含前景区域的最小外接矩阵，并由最小外接矩阵生成乳腺区域掩模图Mask
binary
(2
‑
3)对原始输入图像I，保留其在Mask
binary
中值为1的像素点，去掉其在Mask
binary
中值为0的像素点，得到只包括乳腺区域的图像x。3.根据权利要求1或2所述的一种融合全局和局部信息的乳腺癌辅助检测方法，其特征在于，在步骤(3)中，需要计算输入图像x的全局显著性图A,将全局显著性图映射成基于全图信息的类别标签：(3
‑
1)将输入图像x送入全局网络f
g
,得到变换结果h
g
h
g
＝f
g
(x)其中，f
g
是ResNet22网络；(3
‑
2)将h
g
送入带sigmoid激励函数的1x1卷积层，计算得到全局显著性图AA＝sigmoid(conv1×1(h
g
))其中，A＝[A
b
,A
m
],表示图像中某个点(i,j)是良性(b)或恶性(m)肿瘤组织的概率；(3
‑
3)采用全局平均池化法
‑
Global average pooling，将全局显著...

【专利技术属性】
技术研发人员：潘泓，朱亚平，夏思宇，
申请(专利权)人：东南大学，
类型：发明
国别省市：