一种基于Swin Transformer和对比学习的乳腺癌识别系统及方法技术方案

本发明专利技术公开了一种基于Swin Transformer和对比学习的乳腺癌识别系统及方法，属于乳腺癌识别系统技术领域，获取乳腺癌X光图像数据，将图像裁剪成为224x224的三通道图像，得到裁剪后的乳腺癌X光图像数据，搭建Swin Transformer网络，引入SwinCLR框架，使用Simclr框架对于Swin Transformer模型进行没有标签数据集的预训练后，使用有标签的数据集对Swin Transformer模型进行监督学习的训练，输出对于输入的X光片，乳腺癌的患病概率数据，该方法将SimCLR算法和Swin Transformer的优点进行了独特的混合，专门为乳腺癌的有效检测进行了优化，SwinCLR模型不仅充分利用了未标记数据，还显著提高了乳腺癌识别的准确性和效率。

【技术实现步骤摘要】

本专利技术涉及一种乳腺癌识别系统，特别是涉及一种基于swin transformer和对比学习的乳腺癌识别系统及方法，属于乳腺癌识别系统。

技术介绍

1、乳腺癌作为全球女性死亡率极高的癌症类型之一，对女性健康构成了巨大的威胁，乳房x光摄影虽然在一定程度上有助于早期发现乳腺癌，但其准确性和效率仍有待提高，近些年，transformer模型因其在处理序列数据方面的卓越性能，逐渐受到医学影像领域的广泛关注，swin transformer，作为一种新型的视觉transformer模型，通过采用非重叠移位窗口，已证实在各种视觉检测任务中表现出色，然而由于标记的乳腺癌x光数据稀缺，现有的深度学习模型在乳腺癌识别任务上的准确性和效率仍然受到限制，为此设计一种基于swin transformer和对比学习的乳腺癌识别系统及方法来解决现有技术中存在的问题。

技术实现思路

1、本专利技术的主要目的是为了提供一种基于swin transformer和对比学习的乳腺癌识别系统及方法。

2、本专利技术的目的可以通过采用如本文档来自技高网...

【技术保护点】

1.一种基于Swin Transformer和对比学习的乳腺癌识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于Swin Transformer和对比学习的乳腺癌识别方法，其特征在于：步骤三中具体搭建Swin Transformer网络采用如下步骤：

3.根据权利要求2所述的一种基于Swin Transformer和对比学习的乳腺癌识别方法，其特征在于：在Swin Transformer的实现中，采用移位窗口划分过程，并通过公式(1)-(4)计算连续的Swin Transformer块；

4.根据权利要求3所述的一种基于Swin T...

【技术特征摘要】

1.一种基于swin transformer和对比学习的乳腺癌识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于swin transformer和对比学习的乳腺癌识别方法，其特征在于：步骤三中具体搭建swin transformer网络采用如下步骤：

3.根据权利要求2所述的一种基于swin transformer和对比学习的乳腺癌识别方法，其特征在于：在swin transformer的实现中，采用移位窗口划分过程，并通过公式(1)-(4)计算连续的swin transformer块；

4.根据权利要求3所述的一种基于swin transformer和对比学习的乳腺癌识别方法，其特征在于：在步骤四中引入的swinclr框架具体包括如下步骤：

5.根据权利要求4所述的一种基于swin transformer和对比学习的乳腺癌识别方法，其特征在于：在步骤26中采用的混合损失函数具体为焦点损...

【专利技术属性】
技术研发人员：李小松，徐宇燊，王晓磐，谭海曙，程晓琦，陈健伸，易鹏，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：