[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

摘要

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。

主权项

1.一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法，其特征在于：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；第七至九就是传统的神经网络全连接层；2)采用ReLu函数作为模型的激活函数ReLu函数具体如下：其中x是输入；3)利用Adam算法优化改进型AlexNet网络模型利用交叉熵作为代价函数为其中中y为期望的输出，a为神经元实际输出；[a＝σ(z),wherez＝∑ω_j*x_j+b]其中σ为数据的标准差，ω为权值，b为阈值；4)将第一步得到的图像输入到改进的AlexNet网络模型进行训练；第三步，对乳腺钼靶X线图像的识别和分类将重新输入乳腺钼靶X线图像与优化后的改进型AlexNet网络模型进行训练得出的大数据网络模型进行比对，得到相应的识别和分类。