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：梁楠; 赵政辉; 周依; 武博; 李长波; 于鑫; 马思伟; 张楠^*

来源：中国医学物理学杂志, 2020, 37(12): 1513-1519.

DOI：10.3969/j.issn.1005-202X.2020.12.008

• 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

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。

• 单位
  河南大学; 生物医学工程学院; 北京大学; 首都医科大学