一种基于超声特征提取的乳腺肿瘤分类方法及系统技术方案

技术编号:40197315 阅读:46 留言:0更新日期:2024-01-27 00:01
本发明专利技术公开了一种基于超声特征提取的乳腺肿瘤分类方法及系统,所述方法包括以下步骤:S1:设计适用于分析超声图像的乳腺肿瘤分类模型,所述乳腺肿瘤分类模型包括基于频域信息的特征提取模块、全局信息特征增强模块和乳腺肿瘤分类预测模块;S2:训练设计好的乳腺肿瘤分类模型,得到训练好的乳腺肿瘤分类模;S3:利用训练好的所述乳腺肿瘤分类模型分析乳腺肿瘤超声图像,并对肿瘤进行分类预测。本发明专利技术通过采用基于频域信息的特征提取模块,提升乳腺肿瘤超声图像的纹理信息及边缘清晰度,训练设计好的乳腺肿瘤分类模型,并引入全局信息特征增强模块,提高乳腺肿瘤诊断的准确性。

【技术实现步骤摘要】

本专利技术涉及乳腺肿瘤分类领域,尤其涉及一种基于超声特征提取的乳腺肿瘤分类方法及系统


技术介绍

1、乳腺癌目前是全球最常见的癌症,其发病率和死亡率在女性中最高,对女性健康构成重大威胁。及时发现、诊断和治疗是临床上成功检测和治疗乳腺癌的关键手段。在临床实践中,乳腺肿瘤的早期发现主要依靠超声波成像技术、钼靶x射线成像,以及磁共振成像(mri)这三种无创检测方法。钼靶x射线成像是通过使用低剂量x射线来检查乳房组织,虽然剂量较低,但仍存在一定的辐射风险。磁共振成像(mri)使用强大的磁场和射频脉冲生成详细的身体软组织图像,但是mri相比于其他成像技术更昂贵,高灵敏度可能导致过度诊断。超声成像方式具有成本低、无辐射、成像速度快、灵敏度和准确性高等优点。 传统机器学习方法在分析乳腺超声图像时,对于复杂的图像模式可能缺乏足够的识别能力,且容易受噪声和异常值影响。随着计算机视觉和深度学习技术的进步,图像分类已经取得了显著的进展,能够精确地辨识图片中的微小特征,例如模糊轮廓和复杂边缘。深度学习方法通过学习图像中的细致特征,能够在像素级别上实现高精度的识别和分类,从而达到比本文档来自技高网...

【技术保护点】

1.一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述步骤S11具体包括以下步骤:

3.根据权利要求1所述的一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述步骤S12具体包括以下步骤:

4.根据权利要求1所述的一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述步骤S2具体包括以下步骤:

5.根据权利要求4所述的一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述步骤S22具体包括以下步骤:

<p>6.根据权利要求...

【技术特征摘要】

1.一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述步骤s11具体包括以下步骤:

3.根据权利要求1所述的一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述步骤s12具体包括以下步骤:

4.根据权利要求1所述的一种基于超声特征提取的乳腺肿瘤分类方法,其特征在于,所述步骤s2具体包括以下步骤:

5.根据权利要求4所述的一种基...

【专利技术属性】
技术研发人员:余锋金余余姜明华刘莉周昌龙宋坤芳
申请(专利权)人:武汉纺织大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1