[发明专利]一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法

说明书

本发明一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法，属于对乳腺钼靶X线图像进行识别和分类的技术领域，所要解决的技术问题是提供一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法，采用的方案包括以下步骤：第一步，对乳腺钼靶X线图像预处理；第二步，采用改进型AlexNet网络模型对乳腺钼靶X线图像进行训练；第三步，对乳腺钼靶X线图像的识别和分类；本发明适用于乳腺钼靶X线图像分类处理的领域。

技术领域

本发明一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法，属于对乳腺钼靶X线图像进行识别和分类的技术领域。

背景技术

乳腺癌是全球女性癌症相关死亡的主要原因之一。到目前为止，还没有积极有效的的预防乳腺癌的方法，早期的诊断以及及时的治疗是提高患病者生存率的仅有方法。筛查乳房X线图像(Mammography)，也叫乳腺钼靶X线照片是乳腺癌早期诊断中最有效的工具之一，临床医生通过可疑的肿块(Mass)以及其他结构，如微钙化灶(Micro-calcification)等来诊断病情。医生只有通过对乳腺病理图像的观察，来诊断病人是否患有乳腺癌症。而对病理图像进行准确的分类是医生制订最佳治疗方案的重要依据。目前基于人工的病理图像分类，不仅耗时、费力，而且诊断结果容易受到诸多主观人为因素的影响。乳腺钼靶X线图像主要是人工观察、分类和判断，自行凭经验诊断，误差时有发生，严重时影响到医患关系。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为一种采用改进型AlexNet模型对乳腺钼靶X线图像进行快速准确的分类和识别的方法，协助相关人员对乳腺钼靶X线图像进行客观识别，准确和快速识别与分类。

为了解决上述技术问题，本发明采用的技术方案为：一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法，包括以下步骤：

第一步，对乳腺钼靶X线图像预处理

1)归一化

乳腺钼靶X线图像归一化用的是零均值归一化，采用转化函数为：

其中μ为数据的均值，σ为数据的标准差；

2)图像去噪

在对图像进行归一化处理后，采用中值滤波器再对图像进行去噪，其中采用的是滤波窗口方式，定义为：

式中：G(x,y)为输入的图像；

3)图像分割

图像分割是采用边缘检测器对图像进行分割，

所述边缘检测器的边缘检测的方法，如下：

①计算去噪后的图像局部的梯度

②利用非极大值抑制，保存图像梯度方向上的极大值点，首先对阈值T₁和T₂进行阈值处理，初始化T₁<T₂，定义大于T₂的称为高阈值边缘，T₁与T₂之间的部分属于低阈值边缘；

③执行边缘链接；

第二步，采用改进型AlexNet网络模型对乳腺钼靶X线图像进行训练

1)先建立改进型AlexNet网络模型，所述的改进型AlexNet网络模型为九层模型结构，该模型中，第一和第二层相同，包括卷积、ReLu、池化步骤；

第三、四和五层相同，包括卷积、ReLu；

第六层不再是全连接，包括卷积、ReLu、池化步骤；