一种适用于乳腺超声图像异常检测的方法技术

本发明专利技术涉及一种适用于乳腺超声图像异常检测的方法。利用正常图像训练多个自动编码器并通过预训练模型提取特征创建全局记忆模块的全局记忆库；使用伪标签生成方法在正常图像上生成异常，训练单个正常和混有异常的自动编码器；将正常样本训练的自动编码器的输出均值与异常样本训练的自动编码器的输出相减得到，将正常样本训练的自动编码器输出的标准差与、原图拼接，训练局部判别模块；将图像经过预训练特征提取器提取特征后，传入全局记忆模块；将局部判别模块的输出与全局记忆模块的输出进行交叉注意力计算，最终生成异常热力图。

【技术实现步骤摘要】

本专利技术属于图像处理，用于对女性乳腺癌筛查和诊断中乳腺超声图像的病变区域检测，具体涉及一种适用于乳腺超声图像异常检测的方法。

技术介绍

1、传统根据国家癌症中心2022年2月发布的最新一期全国癌症统计数据显示，乳腺癌是我国女性发病率第一且死亡率第四的癌症，分别占比29.05％和6.39％。在我国，乳腺癌的发病率和死亡率呈逐年上升趋势，预计到2030年，将新增40万例病例和10万死亡病例。然而，我国乳腺癌筛查的覆盖率仍然不足，尤其在经济欠发达地区，乳腺癌筛查的覆盖率更低。而由于乳腺超声成像其无创、无放射性、低成本的特点，其被广泛用于临床检测乳腺肿瘤，也成为各大城市以及资源匮乏地区进行大规模腺癌筛查和诊断的最合适方法。但是，目前的乳腺超声图像存在着大量不利于人工观测的问题，例如超声图像的斑点伪影、低对比度、阴影、模糊的边界等问题，是困扰行业多年的乳腺异常检测技术瓶颈。而且，现在大部分的医疗机构仍采用的是人工方法检测乳腺肿瘤异常，传统的人工方法容易受到医生主观因素的影响，导致结果的一致性较差。随着人工智能和深度学习技术的发展，乳腺超声图像的计算机辅助诊断(co本文档来自技高网...

【技术保护点】

1.一种适用于乳腺超声图像异常检测的方法，其特征在于，首先利用正常样本训练多个自动编码器并通过预训练模型提取特征创建全局记忆模块的全局记忆库；接下来，使用针对乳腺肿瘤异常检测领域的伪标签生成方法在正常样本上生成异常样本，训练单个正常和混有异常的自动编码器；其次，利用生成的异常样本与正常样本输入多个自动编码器，将正常样本训练的自动编码器的输出均值与异常样本训练的自动编码器的输出相减得到DInter，将正常样本训练的自动编码器输出的标准差DIntra与DInter、原图拼接，训练局部判别模块；然后，将原图经过预训练特征提取器提取特征后，将特征传入全局记忆模块，并经过k近邻算法得到AGobal...

【技术特征摘要】

1.一种适用于乳腺超声图像异常检测的方法，其特征在于，首先利用正常样本训练多个自动编码器并通过预训练模型提取特征创建全局记忆模块的全局记忆库；接下来，使用针对乳腺肿瘤异常检测领域的伪标签生成方法在正常样本上生成异常样本，训练单个正常和混有异常的自动编码器；其次，利用生成的异常样本与正常样本输入多个自动编码器，将正常样本训练的自动编码器的输出均值与异常样本训练的自动编码器的输出相减得到dinter，将正常样本训练的自动编码器输出的标准差dintra与dinter、原图拼接，训练局部判别模块；然后，将原图经过预训练特征提取器提取特征后，将特征传入全局记忆模块，并经过k近邻算法得到agobal；将局部判别模块的输出alocal与全局记忆模块的输出agobal进行交叉注意力计算，最终生成异常热力图afinal。

2.根据权利要求1所述的一种适用于乳腺超声图像异常检测的方法，其特征在于，包括如下训练步骤：

3.根据权利要求2所述的一种适用于乳腺超声图像异常检测的方法，其特征在于，还包括如下测试步骤：

4.根据权利要求2所述的一种适用于乳腺超声图像异常检测的方法，其特征在于，步骤(3)、(4)中，使用mseloss作为重建损失，表示如下...

【专利技术属性】
技术研发人员：余兆钗，陈美萍，李佐勇，彭中华，林正旭，黄子杰，
申请(专利权)人：闽江学院，
类型：发明
国别省市：