[发明专利]一种基于深度神经网络的乳腺癌图像识别分类方法

说明书

本发明公开一种基于深度神经网络的乳腺癌图像识别分类方法，涉及计算机应用技术领域，本发明的方法包括以下步骤：采集并预处理用于训练神经网络模型的乳腺彩超图像数据;建立并训练神经网络分割模型、生成模型和分类模型;使用分割模型对用户提交的乳腺报告进行彩超图片切割，提取彩超报告中的彩超图片形成彩超分割图片；生成模型转换彩超分割图片形式，并消除彩超分割图片存在的噪音，形成彩超规范图片;分类模型读入彩超规范图片，给出乳腺癌图像分类结果；本发明可对输入的乳腺彩超图像给与噪音消除，使分割的拍摄图片接近于报告截图，对输入数据的质量要求较低，有效降低了用户的使用难度，实际应用可操作性有效增强。

技术领域

本发明涉及计算机应用技术领域，具体涉及一种基于深度神经网络的乳腺癌图像识别分类方法。

背景技术

乳腺癌(breastcancer，BC)是多发于女性乳腺部位一种恶性肿瘤，随着环境的改变和人们生活习惯的变化，乳腺癌的发病率自1970年后呈现全球性上升趋势。美国等西方发达国家每十名女性至少有一人罹患乳腺癌，我国近年来乳腺癌发病率的增长速度已高出乳腺癌高发国家一到两个百分点，乳腺癌的发病率高居女性恶性肿瘤中的第一位。虽然乳腺不是维持人体生命活动的重要器官，原位乳腺癌并不致命，但是乳腺癌细胞丧失了正常细胞的活性，结构松散，极易扩散，游离的癌细胞以血液或淋巴液为载体可扩散至全身，威胁人类生命。乳腺癌是当今社会重大的公共卫生问题，乳腺筛查可以帮助提升早期病例的比例，及早开展对于恶性乳腺肿瘤的综合治疗。因此，及时的筛查和治疗对于预防乳腺癌的发生至关重要。

目前，在部分医疗条件较好的医院，对患有乳腺类疾病的患者，通常的方法是用专业设备采集一系列乳腺及相关部位的彩超图像，为了对患病部位进行全面准确的观察，需要对乳腺等部位图像采集多张照片。现有的乳腺癌图像识别分类方法大多都是基于医院拍摄的彩超的电子图像进行识别分类，该类方法主要部署于医院内部，在完成彩超报告拍摄后即刻进行分类操作，辅助专业放射技师对判断乳腺是否存在恶性肿瘤。

但是，目前大部分医院不具有辅助识别分类系统，即使有也仅存在于医院内部系统之中，且这些辅助识别分类方式都仅限于所属医院的彩超报告，无法扩充到其他医院进行使用，乳腺癌的辅助识别范围及广度受限较大；所以乳腺检查很大程度受限于影像医师的自身水平以及其经验，人眼分辨能力以及人为疏忽等原因，存在误判、遗漏的风险；并且从患者拿到彩超报告到挂号咨询专业技师诊断，其间存在较长时间间隔，在这期间病情极有可能继续加重。

中国发明专利申请号为201410081928.7公开了一种乳腺癌检测方法和装置。该方法包括：获取同一受检者同侧乳房的多幅影像；依次对每幅影像进行如下处理：提取该影像的内外侧斜位视图中的第一乳房区域以及该影像的头尾轴位视图中的第二乳房区域；提取该影像中第一乳房区域和第二乳房区域的图像特征；判断该影像以及已处理影像中第一乳房区域和第二乳房区域对应区域的图像特征是否匹配；若是，或者若否且不存在未处理影像，则判断每个对应区域是否为可疑区域，并对判断为可疑区域的对应区域的真伪性进行分析评估；若否且存在未处理影像，则对下一幅未处理影像进行处理。其所公开的医学影像学中的计算机辅助诊断技术属于前深度学习时代的计算机视觉技术，在乳腺癌病理学图像的特征描述、特征提取以及识别分类方面需要大量的人工干预。