一种基于多分支CNN的乳腺病变MRI图像识别方法技术

本发明专利技术公开了一种基于多分支CNN的乳腺病变MRI图像识别方法，包括，获取乳腺MRI图像数据集，基于肿瘤轮廓对乳腺MRI图像裁剪后得到轮廓区域图像，基于数据增强后的轮廓区域图像构建训练集，构建多分支CNN网络模型，所述多分支CNN网络模型包括多分支模块、通道和空间注意力模块、以及深度特征提取模块，所述多分支模块包括至少两类分支，一类分支用于提取轮廓区域图像的浅层特征，另一类用于提取轮廓区域图像的深层特征，基于训练集对多分支CNN网络模型进行训练，并获取训练后的多分支CNN网络模型，获取待分类的乳腺MRI图像，基于训练后的多分支CNN网络模型对待分类的乳腺MRI图像进行分类并获取分类结果。能够自动实现乳腺MRI图像的四分类检测，提高了分类精度。

【技术实现步骤摘要】

本专利技术涉及图像识别，尤其涉及一种基于多分支cnn的乳腺病变mri图像识别方法。

技术介绍

1、乳腺癌是女性最常见的癌症，是仅次于心血管疾病的第二大死因。2020年，全球女性新诊断乳腺癌病例超过220万例。据报道，如果出现特定症状，就会检测出癌症。然而，研究发现，许多患有癌症的女性没有任何症状。除了对已知会导致癌症的brca1或brca2基因突变的人进行预防性乳房切除术外，癌症的初级预防还不现实。手术、化疗、放疗和激素治疗是癌症患者的经典治疗方法。因此，建议将筛查作为强制性步骤，以便在早期检测癌症。如果癌症在早期被发现，那么生命就可以被挽救。早期发现癌症有助于早期诊断和治疗。研究显示，那些在出现乳腺癌症症状后3个月内开始治疗的人，存活的机会更高，可以减少体内恶性细胞的增殖。

2、乳腺磁共振成像(mri)是一种良好的成像技术，mri能够产生高分辨率的图像，能够详细地揭示脑和其他组织的结构和功能，这种高分辨率成像有助于医生更准确地诊断病变。除此之外，与ct和x线相比，mri不使用电离辐射，这意味着患者可以反复多次进行检查而无需担心辐射累积带来的潜本文档来自技高网...

【技术保护点】

1.一种基于多分支CNN的乳腺病变MRI图像识别方法，其特征在于，包括

2.根据权利要求1所述的一种基于多分支CNN的乳腺病变MRI图像识别方法，其特征在于，所述多分支模块为四分支模块。

3.根据权利要求2所述的一种基于多分支CNN的乳腺病变MRI图像识别方法，其特征在于，所述四分支模块包括第一分支DP1、第二分支SP1、第三分支SP2以及第四分支SP3，所述第一分支DP1用于提取轮廓区域图像的浅层特征，所述第二分支SP1、第三分支SP2和第四分支SP3用于提取轮廓区域图像的深层特征。

4.根据权利要求3所述的一种基于多分支CNN的乳腺病变MRI图像识...

【技术特征摘要】

1.一种基于多分支cnn的乳腺病变mri图像识别方法，其特征在于，包括

2.根据权利要求1所述的一种基于多分支cnn的乳腺病变mri图像识别方法，其特征在于，所述多分支模块为四分支模块。

3.根据权利要求2所述的一种基于多分支cnn的乳腺病变mri图像识别方法，其特征在于，所述四分支模块包括第一分支dp1、第二分支sp1、第三分支sp2以及第四分支sp3，所述第一分支dp1用于提取轮廓区域图像的浅层特征，所述第二分支sp1、第三分支sp2和第四分支sp3用于提取轮廓区域图像的深层特征。

4.根据权利要求3所述的一种基于多分支cnn的乳腺病变mri图像识别方法，其特征在于，所述四分支模块中的第一分支dp1的处理流程为获取轮廓区域图像的第一特征图，所述第一特征图为通过将数据增强后的轮廓区域图像输入至卷积层conv1处理后得到，卷积层conv1的卷积核尺寸3×3、通道数16、步长为1、padding为1，第一特征图的尺寸为64×64×16，第一特征图经过卷积层conv2得到第二特征图，其中卷积层conv2的卷积核尺寸1×1...

【专利技术属性】
技术研发人员：宋园园，
申请(专利权)人：大连东软信息学院，
类型：发明
国别省市：