[发明专利]一种基于交叉注意力机制的乳腺肿块分割方法

说明书

本发明涉及X射线辅助诊断技术，旨在提供一种基于交叉注意力机制的乳腺肿块分割方法。包括步骤：制作数据集；交叉注意力机制预处理；构建深度卷积神经网络；调整图像网络数据集图像网络数据集的预训练权值分布；利用数据预处理结果，调整预训练权值分布，训练深度卷积神经网络；利用深度卷积神经网络对待检测的X射线影像进行推理。本发明利用交叉注意力机制快速训练模型，通过交叉注意力机制使得网络能从MLO位和CC位两个方位来选择肿块特征，学习调整交叉注意力权重值。与传统只从CC位或者MLO位判断肿块，该发明可以快速、高效的自动分割出乳腺X射线图像上的肿块，提升乳腺X射线图像中肿块的检出率和准确率，具有较高的实际应用和推广价值。

技术领域

本发明涉及乳腺X射线辅助诊断技术，特别涉及一种基于交叉注意力机制(CrossAttention)的乳腺肿块分割方法。

背景技术

乳腺癌已经发展成为女性最常见的癌症之一。乳腺内肿块的准确识别是乳腺疾病确诊的必要条件，由于受到乳房内高密度、等密度腺体组织的干扰，乳腺X射线中的肿块极难用肉眼识别，如通过人工阅片进行识别需要耗费医生大量的精力和时间。利用人工智能学习大量肿块X射线样本，能更快阅片，更准确的定位肿块位置，为医生后续判断肿块良恶性奠定坚实的基础。

临床工作中，一般对双侧乳腺进行摄片检查，通常每侧乳腺需要拍摄两个体位。头尾位(CC)是将乳腺上下压迫，内外侧斜位(MLO)是X线以45°从内上方向下方投射，所以一次钼靶检查可以获得四幅图像。乳腺X射线中诊断中，需要结合MLO和CC位来综合判断影像中是否存在肿块，而现有技术仅只能从MLO或CC位之一来判断肿块，极易产生漏检、误检，不能达到临床要求的准确率。

发明内容

本发明要解决的技术问题是，克服现有技术中的不足，提供一种基于交叉注意力机制的乳腺肿块分割方法。

为解决上述技术问题，本发明的解决方案是：

提供一种基于交叉注意力机制的乳腺肿块分割方法，包括以下步骤：

(1)制作数据集

取足量的乳腺X射线DICOM(Digital Imaging and Communications inMedicine)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(mask)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(mask)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(batch)；将两幅图片的大小零填充(zeros padding)到相同的长宽，输入图像的批尺寸(batch size)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(Mobile Inverted bottleneck)块(简称为MBConv)，一个全卷积层，一个逻辑回归(Logistic)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(Depth wise Convolution)和一个注意力(Attention)模块这三部分组成。

(4)调整图像网络数据集图像网络数据集(ImageNet)的预训练权值分布