[发明专利]一种用于诊断乳腺肿块的超声图像预处理系统及处理超声图像的方法

摘要

本发明公开了一种用于诊断乳腺肿块的超声图像预处理系统及处理超声图像的方法，包括以下步骤，S1.提取乳腺图像的腺体区域，S2.获取腺体区域的腺体分布特征；S3.根据腺体区域占乳腺图像的前景部分的比例，确定乳腺图像的乳腺密度；并对乳腺密度进行分级；S4.结合乳腺密度和腺体分布特征，确定乳腺图像的图像类型；S5.确定预设的与图像类型对应的乳腺图像处理方式，并利用乳腺图像处理方式对乳腺图像进行处理；S6.提取乳腺图像的腺体区域；S7.将比值大于预设值的子区域确定为腺体边界区域，并计算各个腺体边界区域的分割阈值；S8.将各个腺体边界区域的分割阈值的平均值作为乳腺图像的分割腺体区域阈值，对乳腺图像的腺体边界区域进行分割，得到腺体区域。

主权项

1.一种处理超声图像的方法，其特征在于，所述方法包括以下步骤：/nS1.采用FCM算法提取乳腺图像的腺体区域；其具体包括以下步骤：/n(1)设置算法中的初始值，包括聚类中心数目C、模糊因子m、先验概率中的β、最大迭代次数K、特征场作用强度γ和迭代停止条件θ；/n(2)根据GA－PSO确定一组最优的初始聚类中心，并根据下式初始化隶属度矩阵U⁽⁰⁾；/n /n(3)根据下式分别计算每个聚类中的先验概率、均值u^(k)和协方差∑^(k)：/n /n /n /n其中，e_ij定义为:/n /n其中，γ表示邻域像素的作用强度；t(l_i＝l_j)表示一个指数函数；/n(4)根据下式更新隶属度矩阵U^(k)；/n(5)/n(5)如果{U^(k+1)－U^(k)}＜θ或者到了最大迭代次数，则停止，否则令k＝k+1，转步骤(3)继续进行迭代运算；/nS2.获取所述腺体区域的腺体分布特征，所述腺体分布特征用于表征所述腺体区域集中度；/nS3.根据所述腺体区域占所述乳腺图像的前景部分的比例，确定所述乳腺图像的乳腺密度；并采用如下方法对乳腺密度进行分级：/n将预处理后的所述目标乳腺X射线图像作为预测样本，输入预设的目标深度残差网络，并将该目标深度残差网络的输出作为所述目标乳腺X射线图像对应的乳腺密度分级结果；/n在所述获取目标乳腺X射线图像之前，先构建一深度残差网络，以及，根据多个历史乳腺X射线图像获取该深度残差网络的训练样本集；应用所述训练样本集对所述深度残差网络进行模型训练；/n所述深度残差网络由三个执行阶段及多个全连接层依次组成，且每个所述执行阶段均由多个卷积层及堆叠而成的多个残差模块依次组成，乳腺X射线图像经首个执行阶段的卷积层输入后，在所述深度残差网络中进行三个所述执行阶段的映射，最终由最后一个全连接层输出该乳腺X射线图像对应的乳腺密度分级结果；/n所述根据多个历史乳腺X射线图像获取该深度残差网络的训练样本集，包括：/n获取多个历史乳腺X射线图像；/n对各个历史乳腺X射线图像均进行预处理；/n对预处理后的各个历史乳腺X射线图像分别进行标记，得到各个历史乳腺X射线图像分别对应的等级标签；/n其中，所述等级标签用于表示其所属的历史乳腺X射线图像对应的乳腺密度等级；/n将标记后的各个历史乳腺X射线图像组成所述深度残差网络的训练样本集；/n若当前深度残差网络不符合所述预设要求，则对当前深度残差网络进行优化和/或应用更新后的训练样本集重新对该深度残差网络进行模型训练；/nS4.结合所述乳腺密度和所述腺体分布特征，与预设的乳腺图像分类标准进行比较，确定所述乳腺图像的图像类型；/nS5.确定预设的与所述图像类型对应的乳腺图像处理方式，并利用所述乳腺图像处理方式对所述乳腺图像进行处理；/nS6.所述提取乳腺图像的腺体区域，包括：/n确定乳腺图像的皮肤线位置，并根据所述皮肤线位置，确定所述乳腺图像的乳头位置；将所述乳腺图像的乳头位置的预设范围内的区域切分为若干等大的子区域，并计算各个子区域的标准差与最大灰度值的比值；/nS7.将所述比值大于预设值的子区域确定为腺体边界区域，并计算各个腺体边界区域的分割阈值；/nS8.将各个腺体边界区域的分割阈值的平均值作为所述乳腺图像的分割腺体区域阈值，对所述乳腺图像的所述腺体边界区域进行分割，得到腺体区域。/n