基于滑动块的深度卷积神经网络乳腺X线摄影图像肿块分割算法

• 作者: 于鑫 周依 张楠 李长波 梁楠 武博 赵政辉 马思伟
• 来源期刊: 中国医学物理学杂志
• 关键词: 乳腺X线摄影图像 乳腺肿块 滑动块 深度卷积神经网络 图像分割
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 医学影像物理
• 页码范围: 1513-1519
• 页数: 7页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.12.008

摘要

目的:提出一种基于滑动块的深度卷积神经网络局部分类、整图乳腺肿块分割的算法,为临床诊断提供有效的肿块形态特征.方法:首先通过区域生长算法和膨胀算法提取患者乳腺区域,并进行数据归一化操作.为了得到每一个像素位置上的诊断信息,在图像的对应位置中滑动提取肿块类及非肿块类图像块,根据卷积神经网络提取其中的纹理信息并对图像块进行分类.通过整合图像块的预测分类结果,进行由粗到细的肿块分割,获得乳腺整图中像素级别的肿块分割.结果:通过比较先进的深度卷积神经网络模型,本文算法滑动块分类结果DenseNet模型下准确率达到96.71％,乳腺X线摄影图像全图肿块分割结果F1-score最优为83.49％.结论:本算法可以分割出乳腺X线摄影图像中的肿块,为后续的乳腺病灶诊断提供可靠的基础.