[发明专利]一种乳腺癌检测方法及装置

权利要求书

1.一种乳腺癌检测方法，应用于诊断系统，其特征在于，包括：

获得目标患者的乳腺彩超报告，并从所述乳腺彩超报告中识别出多张待诊断彩超图像；

利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果。

2.如权利要求1所述的方法，其特征在于，在利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果之前，所述方法还包括：

获得已经确诊的多个乳腺疾病患者中每个乳腺疾病患者的多张彩超图像；

设计深度神经网络模型；

基于每个乳腺疾病患者的多张彩超图像，对所述深度神经网络模型进行训练，获得经训练的深度神经网络；

对所述深度神经网络进行测试，在测试结果表征所述深度神经网络达到预设要求时，执行步骤：利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果。

3.如权利要求2所述的方法，其特征在于，在获得已经确诊的多个乳腺疾病患者中每个乳腺疾病患者的多张彩超图像之后；设计深度神经网络模型之前，所述方法还包括：

对每个乳腺疾病患者的多张彩超图像中的每张彩超图像进行数据标注，获得每个乳腺疾病患者的多张经标注彩超图像；

对每个乳腺疾病患者的彩超报告进行裁剪，并将每张彩超报告用边框框出，获得对应所述多个乳腺疾病患者的多个加边框彩超报告；

对所述多个乳腺疾病患者对应的数据集按照四比一比例划分，获得训练集和测试集，其中，所述数据集包括每个乳腺疾病患者的多张经标注彩超图像及多个加边框彩超报告。

4.如权利要求3所述的方法，其特征在于，设计深度神经网络模型，包括：

设计特征提取单元，所述特征提取单元包括一个输入层和多个卷积结构，每个卷积结构由多个不同尺度的卷积层和池化层构成；

设计特征融合单元，所述特征融合单元包括一个全局均值池化层，用于在图像的通道维度上对多种图像特征进行融合；

设计分类单元，所述分类单元包括一个多类别分类器。

5.如权利要求4所述的方法，其特征在于，基于每个乳腺疾病患者的多张彩超图像，对所述深度神经网络模型进行训练，获得经训练的深度神经网络，包括：

采用旋转、裁剪和加噪声方式，对所述数据集进行增广，获得经增广数据集，所述经增广数据集包括：经增广训练集和经增广测试集；

确定所述经增广数据集中的图像数据的三通道(RGB)灰度值作为深度神经网络的输入值；以及将所述经增广数据集中的图像数据进行分类，并对每类图像进行编码，获得至少两类经编码图像数据；

利用所述多类别分类器设计获得权值矩阵；

进行前向计算，获得所述深度神经网络模型中网络输出层神经元的激活值，以及设计性能函数；

基于所述网络输出层神经元的激活值，进行网络训练，获得经训练的深度神经网络。

6.如权利要求5所述的方法，其特征在于，所述对所述深度神经网络进行测试，包括：

将所述经增广数据集中的图像数据输入所述深度神经网络，所述深度神经网络计算出所述网络输出层神经元的激活值，并根据所述网络输出层神经元的激活值预测出所述经增广数据集中的图像数据的预测类别；

将所述预测类别与样本实际类别进行比对，获得每个乳腺疾病患者的测试结果；

当通过每个乳腺疾病患者的测试结果确定预测正确的样本的数量达到预设数值时，表示所述深度神经网络通过测试。