MRI图像与深度学习乳腺癌图像处理方法及早筛系统技术方案

本发明专利技术涉及乳腺癌图像处理技术领域，尤其是MRI图像与深度学习乳腺癌图像处理方法及早筛系统，包括有MRI图像的成像模块和计算机设备；成像模块用以乳腺癌图像成像后输入至计算机设备；计算机设备包括有图像预处理模块、图像特征提取模块、分类模块以及数据增强模块、迁移学习模块；图像预处理模块用以MRI图像的载入，并将MRI图像转换为输出向量，用以图像特征提取模块的输入。采用的深度卷积神经网络模型具有更深、更复杂的结构，而参数更少，准确率更高，避免了人工提取特征的复杂性和局限性。同时采用的数据增强和迁移学习方法有效避免了深度学习算法在样本量不足时易出现的过拟合问题，达到了辅助提高乳腺影像诊断工作效率和检出率。和检出率。和检出率。

【技术实现步骤摘要】
MRI图像与深度学习乳腺癌图像处理方法及早筛系统


[0001]本专利技术涉及乳腺癌图像处理
，尤其涉及MRI图像与深度学习乳腺癌图像处理方法及早筛系统。

技术介绍

[0002]癌症是威胁人类健康和生命的最大杀手之一。其中，乳腺癌是女性最常见的癌症。根据世界卫生组织国际癌症研究机构(IARC)发布的数据，乳腺癌是女性死亡的第二大常见原因，其发病率逐年上升，并在年轻时趋于上升。与乳腺超声、X线影像相比，MRI图像不仅具有超高的软组织分辨率，对乳腺微小病灶的敏感性非常高，还能通过多参数序列为诊断及评价提供丰富的信息，主要存在以下优势：
⑴
对肿块的定位更加准确，且能清楚的显示较深位置的肿块与高位肿块；(2)能了解病变的血流灌注情况；(3)更准确诊断及评价多中心、多病灶的情况；(4)动态增强磁共振成像能了解到肿瘤的多方位信息，如细胞外间隙大小、间质压力、细胞构成、血管通透性、血供状况等。然而由于乳腺MRI检查采用的多参数序列产生的巨大图像量，不仅对于初级影像诊断医师造成较大的工作量负担也容易带来视觉疲劳，从而影响乳腺影像诊断医师的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.MRI图像与深度学习乳腺癌早筛系统，其特征在于：包括有MRI图像的成像模块和计算机设备；所述成像模块用以乳腺癌图像成像后输入至计算机设备；所述计算机设备包括有图像预处理模块、图像特征提取模块、分类模块以及数据增强模块、迁移学习模块；所述图像预处理模块用以MRI图像的载入，并将MRI图像转换为输出向量，用以图像特征提取模块的输入；所述图像特征提取模块由一组特征map组成，同个特征map共享一个卷积核，用以特征的提取；所述分类模块用以特征的识别；所述数据增强模块用以采用仿射变换方法对数据集进行增强；所述迁移学习模块用以对现有的数据集进行预训练，得到初始化参数后再迁移到目标数据集上进行微调训练，以达到提升系统分类性能。2.MRI图像与深度学习乳腺癌图像处理方法，其特征在于：包括有如下步骤：S1：载入整幅3通道乳腺癌病理图像，并将图像自动缩减为224
×
224大小；S2：一个可学习的卷积核与前一层若干个特征map作卷积，将对应元素累加后再加一个偏置，传输至非线性激活函数，得到一个特征map，即实现一个特征的提取；S3：采用softmax分类器进行特征识别；S4：通过将乳腺癌图像旋转90
°
/180
°
/270
°
、按照0.8的比例缩放、在水平和垂直方向作镜像，以及上述操作的组合操作，将数据集扩大；S5：在预训练过程中，通过迁移学习模块学习目标数据集分类的基本特征，如颜色、边缘特征。3.根据权利要求2所述的MRI图像与深度学习乳腺癌图像处理方法，...

【专利技术属性】
技术研发人员：王金花，刘于宝，
申请(专利权)人：南方医科大学深圳医院，
类型：发明
国别省市：