申请/专利权人：山东师范大学

申请日：2021-04-07

公开（公告）日：2023-01-24

公开（公告）号：CN113191392B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06V10/774;G06V10/82;G06T7/11;G06T7/00;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2023.01.24#授权;2021.08.17#实质审查的生效;2021.07.30#公开

摘要：本发明属于医学影像处理技术领域，提供了一种乳腺癌图像信息瓶颈多任务分类和分割方法及系统。其中，该方法包括获取对比增强X线摄影的若干个乳腺图像及对应的良恶性类别和肿块位置像素级标注；对获取的每个对比增强X线摄影的乳腺图像进行预处理操作；采用多任务网络对预处理后的每张乳腺图像提取多任务的共享表示；将共享表示输入到分类编码器上，得到了中间层的编码张量，再将中间编码张量送入信息瓶颈归因模块进行特征压缩并进行良恶性分类，得到分类任务张量；将共享表示适应到分割网络上得到分割任务张量；将分类任务张量和分割任务张量进行特征融合，用于病灶的分割。

主权项：1.一种乳腺癌图像信息瓶颈多任务分类和分割方法，其特征在于，包括：获取对比增强X线摄影的若干个乳腺图像及对应的良恶性类别和肿块位置像素级标注；对获取的每个对比增强X线摄影的乳腺图像进行预处理操作；采用多任务网络对预处理后的每张乳腺图像提取多任务的共享表示；将共享表示输入到分类编码器上，得到了中间层的编码张量，再将中间编码张量送入信息瓶颈归因模块进行特征压缩并进行良恶性分类，得到分类任务张量；将共享表示适应到分割网络上得到分割任务张量，将分类任务张量和分割任务张量进行特征融合，用于病灶的分割；所述多任务网络为多层卷积神经网络；特征提取采用截断的VGG16来进行，使用VGG16的前3个卷积块作为特征提取网络；在将中间编码张量送入信息瓶颈归因模块进行特征压缩并进行良恶性分类的过程包括：根据分类任务的目标，将共享表示分别适应到嵌入信息瓶颈归因模块的分类任务网络上，定位关键特征，生成分类结果和类归因图；所述生成类归因图的具体过程为：共享特征被送入分类网络的编码层，将信息瓶颈块被嵌入到编码器第三个卷积层之后;取出编码器第三个卷积层的输出得到了中间层的编码张量f1;将中间编码张量送入信息瓶颈归因块添加噪声和进行特征压缩;收集编码器前三个卷积层的输出F1，重塑到统一的尺寸，经过3个1*1的卷积操作后送入sigmoid进行激活，将输出映射到[0,1]得到类归因图;利用类归因图生成的分类任务隐含变量用于良恶性预测;所述分割网络为带有跳跃链接的U-net网络，取出U-net第三层卷积层的输出作为分割任务张量，将分割任务张量与类归因图相乘得到分割任务的潜在变量；将两个任务变量即所述分类任务隐含变量和所述分割任务的潜在变量进行张量拼接来达到特征融合，随后经过三个1*1的卷积进行特征降维，送入U-net后续卷积核上采样层进行病灶分割。

全文数据：

权利要求：

百度查询： 山东师范大学 一种乳腺癌图像信息瓶颈多任务分类和分割方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD