申请/专利权人:燕山大学;河北医科大学第二医院
申请日:2023-12-19
公开(公告)日:2024-03-22
公开(公告)号:CN117746119A
主分类号:G06V10/764
分类号:G06V10/764;G06T7/00;G06V10/80;G06V10/82;G06V10/26;G06V10/30;G06V10/36;G06T7/11;G06T7/13;G06T7/194;G06N3/045;G06N3/0455;G06N3/0464;G06N3/0499;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于特征融合和注意力机制的超声图像乳腺肿瘤分类方法,属于计算机辅助诊断乳腺肿瘤领域,建立乳腺超声图像数据集,基于MobileNet主干和特征融合的编码‑解码病灶分割网络,对乳腺肿瘤病变区域分割;利用肿瘤分割的先验信息,对乳腺超声图像进行分割增强预处理。利用形态学操作、双边滤波和CLAHE等方法,对原始实现去除噪声、细节和边缘增强,生成RGB图像用于肿瘤分类;改进设计轻量级视觉注意力网络VAN用于肿瘤分类,引入混合前馈神经网络模块,利用大核注意力机制提取图像局部和细节信息,并采用Softmax分类器对图像特征进行分类。采用本发明方法可更准确地实现对乳腺肿瘤超声图像的自动多分类。
主权项:1.一种基于特征融合和注意力机制的超声图像乳腺肿瘤分类方法,其特征在于包括如下步骤:S1、建立BI-RADS乳腺超声图像数据集,获取原始乳腺肿瘤超声图像及分级类别;S2、利用基于特征融合的编码-解码的卷积神经网络对乳腺肿瘤图像进行分割,具体包括:在网络编码阶段使用轻量级的卷积神经网络进行特征提取,通过改进的自适应特征融合的办法ASFF对提取到的特征图进行融合,输入到图像解码器,利用双线性插值的方法自下而上的还原掩膜图像;S3、将掩膜图像与原始图像相结合进行预处理,先将掩膜图像和原始图像通过形态学操作、边缘检测和图像滤波得到肿瘤的病灶图像、边缘图像和滤波图像,然后将上述三种分解图像进行三通道融合,得到RGB图像;S4、对处理后的图像提取肿瘤特征,并对特征进行分类,采用改进了轻量化Transformer网络VAN模型用于肿瘤分类,引入混合前馈网络Mix-FFN模块,对分割增强后的RGB图像运用大核注意力机制LKA进行局部和细节特征提取,通过Softmax分类器输出肿瘤类别。
全文数据:
权利要求:
百度查询: 燕山大学;河北医科大学第二医院 基于特征融合和注意力机制的超声图像乳腺肿瘤分类方法
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。