[发明专利]一种基于交叉注意力机制的乳腺肿块分割方法

权利要求书

1.一种基于交叉注意力机制的乳腺肿块分割方法，其特征在于，包括以下步骤：

(1)制作数据集

取足量的乳腺X射线DICOM图像，经脱敏处理后转换为RGB三原色图像；按临床医学判断标准对乳腺X射线图像肿块进行交叉标注，然后制作成为训练数据集；在训练数据集中，针对每个病案生成与原图像大小一致的掩码二值图像；该二值图像中像素不为0的(x₀，y₀)位置表示原始图像相同位置存在肿块，反之则不存在肿块；

(2)交叉注意力机制预处理

从步骤(1)得到的数据集中，取N张样本及其对应肿块的掩码二值图像进行归一化处理，N不小于40000；从归一化处理后的图像中，取每个病例的单侧乳房CC位和MLO位两幅乳腺X射线图像，即左右乳房的CC位和MLO位两幅图像各自组成一个图像批次；将两幅图片的大小零填充到相同的长宽，输入图像的批尺寸为2；

(3)构建深度卷积神经网络EfficientNet

构建EfficientNet-B0网络结构，该网络组成包括：一个卷积核大小为3x3、滑动步长为2x2、填充大小为1x1的卷积层；7个移动反转瓶颈块，一个全卷积层，一个逻辑回归层；EfficientNet-B0网络结构是由移动反转瓶颈块组成网络主干，每个移动反转瓶颈块均由两个常规卷积、一个深度可分离卷积和一个注意力模块这三部分组成；

(4)调整图像网络数据集的预训练权值分布

使用在图像网络数据集上预训练好的权值模型文件，设深度卷积神经网络的注意力单元中所有卷积层的权值W_a尺寸为(C₁，C₂)，调整图像网络数据集预训练权值W_b尺寸为(2C₁，2C₂)，且相应的将尺寸为(C₂,1)的原偏置B_a，调整为B_b＝[B_a B_a]，调整后的B_b尺寸为(2C₂,1)；同时将注意力单元的所有卷积层的数据顺序由(N,C,H,W)设置为(N/2,C*2,H,W)，将卷积层卷积核的数据顺序由(C_out,C_in,H_k,W_k)设置为(2*C_out,2*C_in,H_k,W_k)；

(5)利用步骤(2)中的数据预处理结果，调整步骤(4)中的预训练权值分布，训练步骤(3)中的深度卷积神经网络；

(6)利用深度卷积神经网络对待检测的X射线影像进行推理

将待检测的乳腺X射线图像的单侧乳房CC位和MLO位零填充为统一大小，然后进行归一化处理；输入到步骤(5)经过训练的深度卷积神经网络，输出取值范围为0-1的概率图；取0.5的阈值将概率图二值化，在二值化后的概率图中，白色区域表示在原始乳腺X射线图像中的对应位置处存在肿块病变，反之则不存在肿块。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中对乳腺X射线图像肿块数据进行交叉标注的操作，是由多名具备临床资质的执业医师按临床医学判断标准执行；每一幅乳腺X射线图像均由多人标注，并从中选取标注一致的样本用于制作训练数据集。