[发明专利]多视角信息协作的乳腺良恶性肿瘤分类方法

说明书

多视角信息协作的乳腺良恶性肿瘤分类方法，包括：步骤1)医学图像预处理，将乳腺钼靶X线四个视角的图像进行数据增强处理；步骤2)针对每个视角的图像构建多视角卷积网络子模型；步骤3)构建多视角信息协作卷积神经网络模型，将四个视角的子模型的输出统一到同一神经元分类层，最终输入Sigmoid函数得到分类结果。并针对假阴性的病例加入惩罚函数，给予更大的惩罚减少假阴性情况的出现；步骤4)乳腺肿瘤良恶性分类：向步骤3)中构建好的多视角信息协作卷积神经网络模型，输入待检测的乳腺钼靶X线图像，网络输出得到肿瘤的良恶性结果。本发明能够提高肿瘤良恶性分类的准确率，同时避免因病例图像数据匮乏、神经网络训练数据不足而出现的模型泛化能力太差的问题。

技术领域

本发明涉及一种乳腺良恶性肿瘤分类方法。

技术背景

近半个世纪以来，乳腺癌的发病率和死亡率不断上升。在我国，女性乳腺癌每年新增病例约21万年平均增长率以达到3.5％，发病率增速是全球平均增速的两倍，全球排名第一。乳腺癌是没有任何征兆的。有可能只是发现肿块但没有任何不适的地方，只有通过每年的体检，才能排查出患癌因素。在乳腺癌的诊疗过程中，主要有超声，乳腺钼靶X线摄影检查，核磁共振(MRI)，CT检查，病理和基因等医学手段用于辅助诊断和治疗。其中超声和钼靶主要用于乳腺癌的初筛，MRI用于治疗效果的评估，病理用于癌症的确诊以及治疗方案的评估。

乳腺钼靶X线摄影检查是目前诊断乳腺疾病的首选和最简便、最可靠的无创性检测手段，痛苦相对较小，简便易行，且分辨率高，重复性好，留取的图像可供前后对比，不受年龄、体形的限制。其具有较高的诊断参考性，并大大提高了欧美国家的乳腺癌早期发现率。随着，计算机技术的发展，越来越多的计算机辅助诊疗手段被运用到癌症的早期诊断中。医疗人员可以通过计算机图像分割技术，从检查的图像中获取病灶信息，提升诊断和治疗的准确性。

深度学习的方法被运用到医学图像分割领域，帮助医生更加精确地、省时、省力地去诊断各种疾病，成为了一种新型的计算机辅助诊断方法。乳腺良恶性肿瘤分类需要通过深度学习的方法，准确地分割目标的病灶信息，并根据病灶信息对肿瘤进行分类。但目前在该领域，缺乏大量的训练数据集，对乳腺肿瘤的识别仍存在巨大的困难。因此，本发明提出了一种多视角信息协作的乳腺良恶性肿瘤分类方法，利用有限的乳腺钼靶X线图像数据来利用深度学习对乳腺良恶性肿瘤进行分类。使用本发明对一个乳腺钼靶X线图像的四个视角的图像进行学习，可以有效减少对庞大数据量的依赖，并且提高乳腺良恶性肿瘤分类的准确度。

发明内容

为解决上述现有技术的不足，本发明提出一种基于多视角信息协作卷积神经网络的乳腺肿瘤分类方法。

本发明方法将每例乳腺钼靶X线图像的四个视角的图像，分别构建了一个信息协作子模型。每个子模型中存在一个微调预训练好的DenseNet网络分别从该视角的乳腺钼靶X线图像中分割病灶信息。最后，四个信息协作模型同时在误差反向转播过程中，使用自适应加权方案对乳腺肿瘤进行分割，并根据病灶信息对乳腺肿瘤进行分类。此外，本发明还引入了惩罚函数来减少假阳性率和假阴性率。经过测试表明，本发明能够有效地分类出乳腺良恶性肿瘤，应用于常规的医院临床检测工作。

为使本发明的目的、技术方案和优点更加清晰，下面就对本发明的技术方案作进一步描述，多视角信息协作的乳腺良恶性肿瘤分类方法，具体步骤如下：

步骤1)医学图像预处理；

每例乳腺钼靶X线图像案例由L-CC右头足位、R-CC左头足位、L-MLO左斜位、R-MLO右斜位四个视角的影像组成。对采集到的乳腺钼靶X线图像做数据增强处理，提高本方法模型的泛化能力和抗干扰能力。将处理后的数据80％用作本发明神经网络的训练集，10％作为验证集，最后10％作为测试集。

步骤2)构建多视角卷积网络子模型；