您所在的位置: 成果库 基于深度学习的数字乳腺断层影像钙化簇自动检测方法

基于深度学习的数字乳腺断层影像钙化簇自动检测方法

发布时间: 2023-10-27

来源: 试点城市(园区)

基本信息

合作方式: 技术转让
成果类型: 发明专利
行业领域:
高技术服务业
成果介绍
[0007] 本发明的目的是针对上述问题,提供一种高效准确的数字乳腺断层影像钙化簇自动检测方法。 [0008] 本发明方法具体是: [0009] 步骤1、对DBT图像进行预处理。 [0010] A、对斜侧位(MLO)图像进行胸肌去除。 [0011] B、利用最大密度投影(PPJ)技术,增强切片厚度使钙化簇在每一层切片更明显。 [0012] 步骤2、将经过以上处理的图片输入带有特征金字塔网络(FPN)的区域建议网络(Region Proposal Network,RPN)中,在特征金字塔每一层生成多种长宽比的目标候选区域。然后利用非极大值抑制选取2000个候选区域。 [0013] 步骤3、将上面产生的候选区域放入ROI池化层,对候选区域生成网络的特征映射层输出的特征图进行区域池化,生成固定大小的区域特征。这里和Faster R-CNN 网络选取最后一层卷积层作为ROI池化层输入相比,这里做了改进,不同尺度的候选区域,使用不同特征层作为ROI池化层的输入,大尺度候选区域就用后面一些的金字塔层,小尺度候选区域就用前面一点的特征层。 [0014] 步骤4、将经过ROI池化层的候选区域放入两个全
成果亮点
本发明公开了一种基于深度学习的数字乳腺断层影像钙化簇自动检测方法。本发明首先对DBT图像进行预处理,将将经过以上处理的图片输入带有特征金字塔网络的区域建议网络中,在特征金字塔每一层生成多种长宽比的目标候选区域。其次将上面产生的候选区域放入池化层,对候选区域生成网络的特征映射层输出的特征图进行区域池化,生成固定大小的区域特征。最后将经过池化层的候选区域放入两个全连接层,并输入后续的softmax层和Box回归层,进行最终的目标分类以及目标边界回归修正。本发明通过加入特征金字塔网络可以利用经过自上而下路径后的那些上下文信息,FPN增加了特征映射的分辨率,这样可以获得更多关于小目标的有用信息。
团队介绍
温州国霆贸易有限公司成立于2005年,是一家拥有组装车间和大型仓库以及研发办公楼的纯出口贸易公司。该公司位于美丽的温州高新技术开发区,注册资本为100万元人民币,法定代表人为王慕况。 国霆贸易有限公司的主要产销产品包括不锈钢护栏及配件、不锈钢等,此外,公司还拥有50多名研发工程师、业务员和40多名物流管理人员来保证产品的质量和交货时间。他们的仓储中心占地面积达4500平方米,这为公司的运营提供了强大的后勤支持。温州国霆贸易有限公司以其专业的团队和丰富的经验,为客户提供优质的产品和服务。
成果资料