【技术实现步骤摘要】
本专利技术涉及医疗图像智能分析系统，具体涉及基于多尺度深度学习的乳腺钼靶图像智能分析系统及方法。
技术介绍
1、当前乳腺癌的筛查和早期诊断越来越依赖钼靶图像的智能分析，钙化点作为乳腺癌的早期病变特征，具有高度诊断价值。然而，由于钙化点的大小、密度和形状在乳腺钼靶图像中呈现多样性，传统的基于单一尺度特征提取的检测方法在复杂的乳腺组织中容易受背景噪声、形态差异以及密集分布区域的干扰。这些方法多采用单尺度卷积神经网络(cnn)或固定阈值分割，无法对复杂的钙化特征实现精准识别，存在漏检率高、误检率高和分割精度低等技术问题。
2、在现有的单尺度卷积网络模型中，钙化点的探测主要依赖于单一尺度或方向的特征提取，这种方法对于微小或密集分布的钙化点往往无能为力。同时，传统方法缺乏灵活的特征加权和分割阈值调整机制，容易将乳腺钼靶图像中的非钙化区域误识别为钙化点，从而增加了假阳性率。固定的分割阈值通常无法适应不同密度和大小的钙化点，尤其在密集区域的钙化点分割时，由于相邻钙化点之间的边界模糊，导致分割结果不准确，难以满足临床需求。
3、...
【技术保护点】
1.基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，包括：
2.根据权利要求1所述的基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，所述图像获取模块对乳腺钼靶图像进行图像预处理，所述图像预处理包括去噪和图像增强，以提高图像的清晰度和钙化点的探测准确性。
3.根据权利要求1所述的基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，所述钙化探测模块包括：
4.根据权利要求3所述的基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，所述构建多维特征矩阵的步骤中，特征矩阵的生成方式为：
5.根据权...
【技术特征摘要】
1.基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，包括：
2.根据权利要求1所述的基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，所述图像获取模块对乳腺钼靶图像进行图像预处理，所述图像预处理包括去噪和图像增强，以提高图像的清晰度和钙化点的探测准确性。
3.根据权利要求1所述的基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，所述钙化探测模块包括：
4.根据权利要求3所述的基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，所述构建多维特征矩阵的步骤中，特征矩阵的生成方式为：
5.根据权利要求3所述的基于多尺度深度学习的乳腺铂靶图像智能分析系统，其特征在于，所述自适应特征过滤器对特征矩阵md,s进行过滤，以获得去噪后的特征矩阵fd,s，其中
6.根据权利要求5所述的基于多尺度深度学习的乳腺钼靶图像智能分析系统，其特征在于，所述自适应特征权重wd,s基...
【专利技术属性】
技术研发人员：葛菲，陈文林，栾必青，王鑫，陈诚，董苑，陈亮，
申请(专利权)人：昆明医科大学第一附属医院云南省皮肤病医院，
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。