一种有效识别乳腺超声影像肿块良恶性方法技术

本发明专利技术涉及人工智能领域，公开一种利用超声影像识别乳腺肿瘤良恶性的方法，内容如下:a.清洗及标准化超声影像数据，将DICOM格式影像转换为JPEG格式，并统一图像尺寸；b.对乳腺超声影像数据集的肿瘤区域进行标注处理，并进行数据增强预处理操作，建立深度学习数据库；c.使用SloU和GhostNet轻量级卷积替换原YOLOv8网络结构中的卷积层和损失函数；d.使用b中的数据集对模型进行训练和验证；e.利用深度学习模型乳腺超声数据集的肿瘤区域并识别出肿瘤病灶；f.对步骤中e的肿瘤病灶给出良恶性的概率预测；e.将步骤S5中获取的输出结果可视化显示出来，完成乳腺超声肿瘤良恶性的精准分类。分类。分类。

【技术实现步骤摘要】
一种有效识别乳腺超声影像肿块良恶性方法


[0001]本专利技术属于人工智能领域，特别涉及一种超声影像良恶性乳腺癌识别方法；

技术介绍

[0002]乳腺超声影像在乳腺疾病的早期筛查和诊断中起着重要作用。然而，由于乳腺良恶性病变之间的细微差异，传统的医学影像识别方法面临着局限性。
[0003]传统的乳腺超声影像良恶性识别方法存在以下几个局限性：(1)特征提取困难：传统方法通常依赖于人工定义的特征提取算法，需要医生根据经验和知识手动选择和提取特征。然而，乳腺超声影像中的良恶性病变特征非常复杂，医生的主观因素可能导致诊断结果的不一致性和不准确性。(2)依赖于经验：传统方法通常是基于医生的经验和知识进行诊断，而不是基于大量的数据和统计模型。这种方法容易受到医生个体差异和主观判断的影响，导致诊断结果的可靠性和一致性有限。(3)诊断速度较慢：传统方法需要医生耗费大量的时间和精力来分析和识别乳腺超声影像中的病变。由于乳腺超声影像的复杂性和多样性，医生往往需要反复观察和比对多个影像，导致诊断速度较慢。
[0004]基于深度学习的乳腺超声影像良恶性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种有效识别乳腺超声影像肿块良恶性方法，该方法包括以下步骤：S1：设共有N张DICOM格式乳腺超声肿瘤影像。首先，将DICOM格式图像转换为JPEG格式并使用labelimg对所有影像的肿瘤区域进行标注，标注包括病变区域的标记、病变类型的分类、病理描述的注释等。为确保医学图像数据的安全性和隐私保护，采取适当的安全措施，限制数据访问权限，确保数据不被未经授权的人员获取和使用并对数据集进行清理和预处理操作，以使其符台模型的期望，主要涉及对比度调整即白平衡灰度调整，其调整公式如下所示。Gray＝0.299*R+0.587*G+0.114*B (1）其中，Gray表示灰度图R，G，B分别表示红色通道值，绿色通道值和蓝色通道值。为了提高模型的性能；其次，使用数据增强技术来增加数据的多样性。这些技术包括旋转、翻转、裁剪、调整亮度等。最后，将图像和标记转换为模型所需的格式。对于改进的YOLOv8模型，通常需要将图像缩放为指定的大小，并将标记转换为相应的txt格式。S2：图2为本发明使用的基准网络YOLOv8的网络结构，其基于卷积神经网络(CNN)，包括多个卷积层、池化层和全连接层。YOLOv8引入了Darknet
‑
53作为其主干网络，以提取图像特征，训练过程如下：(1)模型初始化：使用预训练的权重文件初始化YOLOv8模型的参数。这些权重通常是在大规模图像数据集上训练得到的。(2)损失函数定义：为了训练YOLOv8模型，需要定义损失函数来度量目标检测的性能。一种常用的损失函数是平方根误差(RMSE)，其公式如下：一种常用的损失函数是平方根误差(RMSE)，其公式如下：一种常用的损失函数是平方根误差(RMSE)，其公式如下：其中，Loss
loc
表...

【专利技术属性】
技术研发人员：刘文，李珊珊，刘智海，
申请(专利权)人：新疆畅森数据科技有限公司，
类型：发明
国别省市：