【技术实现步骤摘要】
本专利技术涉及自动乳腺图像分割方法，具体涉及通过边界监督模块与动态可变形注意力的方式来提高自动乳腺超声图像分割精度的算法，属于医学图像分割领域。
技术介绍
1、医学图像分割是疾病辅助诊断、病理评估和治疗规划中的一项重要手段，与临床应用密切相关。然而，由于医学图像种类繁多，成像差别巨大，且图像具有高度复杂性、目标区域存在巨大差异以及缺乏简单有效的线性信息等特点，实现乳腺超声图像对肿瘤位置的自动分割是一项具有挑战性的任务。世界卫生组织下属的国际癌症研究所在2020年发布的全球癌症报告中表示，乳腺癌在全球女性癌症中的发病率为24.2％，位居女性癌症的首位。在乳腺肿块的诊断中，因超声成像安全并且具有较高效率的优点成为其常用方式。为了减轻临床医生的工作量，乳腺计算机辅助诊断(computer-aideddetection,cad)系统应运而生，并且在乳腺癌早期检测和诊断中起到越来越重要的作用[2，3].而从超声图像中准确分割乳腺病变是其中的重要步骤。然而，乳腺肿瘤充满了不确定性，它可以出现在乳房的任何位置，并且其大小参差不齐、形态复杂多变，肿瘤区...
【技术保护点】
1.基于边界监督与动态可变形注意力的乳腺超声图像分割算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于边界监督与动态可变形注意力的乳腺超声图像分割算法，其特征在于：所述步骤S1中实验数据集由BUSI和BUS两个公开乳腺超声波图像数据集组成。BUSI数据集收集了780张来自600名25-75岁女性患者的图像，平均图像大小为500×500像素，其中包括437个良性病例、210个恶性肿块和133个正常病例。BUS数据集从不同的女性身上采集了163幅图像，图像平均大小为760×570像素，其中包括53幅恶性病例图像和110幅良性病例图像。
...
【技术特征摘要】
1.基于边界监督与动态可变形注意力的乳腺超声图像分割算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于边界监督与动态可变形注意力的乳腺超声图像分割算法，其特征在于：所述步骤s1中实验数据集由busi和bus两个公开乳腺超声波图像数据集组成。busi数据集收集了780张来自600名25-75岁女性患者的图像，平均图像大小为500×500像素，其中包括437个良性病例、210个恶性肿块和133个正常病例。bus数据集从不同的女性身上采集了163幅图像，图像平均大小为760×570像素，其中包括53幅恶性病例图像和110幅良性病例图像。
3.根据权利要求1所述的基于边界监督与动态可变形注意力的乳腺超声图像分割算法，其特征在于：所述步骤2中主要包括边界监督模块，以及动态可变形注意力机制，内容将主要为：
4.根据权利要求1所述的基于边界监督与动态可变形注意力的乳腺超声图像分割算法，其特征在于：所述步骤s21中将uhrnet网络与全局监督模块进行融合。将模型中间的每层输出前的结果传入边界监督模块中，通过最大池化得到我们所需要的边界图像，同时将边界图像与输出结果相加再作为每层的输出图像。
5.根据权利要求1所述的基于边界监督与动态可变形注意力的乳腺超声图像分割算法，其特征在于：所述步骤s22中使用动态可变形注意力...
【专利技术属性】
技术研发人员：黄同愿，赖思宇，何昀泽，黄柏雄，闵婕，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：
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。