【技术实现步骤摘要】
基于乳腺超声图像增强的病灶分类方法、装置及存储介质
本专利技术涉及图像处理
,具体涉及一种基于乳腺超声图像增强的病灶分类方法、装置及存储介质。
技术介绍
超声图像往往来自于众多医院,各医院的打图机器,打图医生习惯均不相同,因此造成了超声图像质量参差不齐,图像清晰度,噪声颗粒大小,增益,动态范围,灰阶映射很难统一,这会给后续的研究引入很多不必要的由图像质量造成的偏差。因此如何统一超声图像的质量,使其看上去尽量一致成为了所要解决的主要问题。
技术实现思路
有鉴于此,本专利技术实施例提供了一种基于乳腺超声图像增强的病灶分类方法、装置及存储介质,以解决现有技术中的问题。根据第一方面,本专利技术实施例提供了一种基于乳腺超声图像增强的病灶分类方法,所述方法包括:获取样本乳腺超声图像,所述样本乳腺超声图像中包括标准乳腺超声图像以及待增强图像;将所述待增强图像输入生成器中,通过所述生成器中的卷积层、正则化层和激活层确定得到增强后的乳腺超声图像;所述生成器包括编码器和解码器,所述编码器和所述解码器包括卷积层、正则化层和激活层;通过VGG特征提取网络提取所述待增强图像、增强后的乳腺超声图像和所述标准乳腺超声图像中的乳腺特征,得到vgg_inputs、vgg_fakes和vgg_reals;根据判别器确定所述标准乳腺超声图像以及所述待增强图像的判别结果,得到d_reals和d_fakes;根据所述vgg_inputs和所述vgg_fakes,确定图像内容评价参数;< ...
【技术保护点】
1.一种基于乳腺超声图像增强的病灶分类方法,其特征在于,所述方法包括:/n获取样本乳腺超声图像,所述样本乳腺超声图像中包括标准乳腺超声图像以及待增强图像;/n将所述待增强图像输入生成器中,通过所述生成器中的卷积层、正则化层和激活层确定得到增强后的乳腺超声图像;所述生成器包括编码器和解码器,所述编码器和所述解码器包括卷积层、正则化层和激活层;/n通过VGG特征提取网络提取所述待增强图像、增强后的乳腺超声图像和所述标准乳腺超声图像中的乳腺特征,得到vgg_inputs、vgg_fakes和vgg_reals;/n根据判别器确定所述标准乳腺超声图像以及所述待增强图像的判别结果,得到d_reals和d_fakes;/n根据所述vgg_inputs和所述vgg_fakes,确定图像内容评价参数;/n根据所述vgg_fakes、所述vgg_reals,确定图像质量评价参数;/n根据所述d_reals和d_fakes确定损失因子;/n根据所述图像内容评价参数、图像质量评价参数和所述损失因子训练所述生成器和所述判别器,得到训练后的所述生成器和训练后的所述判别器,训练后的所述生成器用于对目标乳腺超声图像 ...
【技术特征摘要】
20201231 CN 20201164505791.一种基于乳腺超声图像增强的病灶分类方法,其特征在于,所述方法包括:
获取样本乳腺超声图像,所述样本乳腺超声图像中包括标准乳腺超声图像以及待增强图像;
将所述待增强图像输入生成器中,通过所述生成器中的卷积层、正则化层和激活层确定得到增强后的乳腺超声图像;所述生成器包括编码器和解码器,所述编码器和所述解码器包括卷积层、正则化层和激活层;
通过VGG特征提取网络提取所述待增强图像、增强后的乳腺超声图像和所述标准乳腺超声图像中的乳腺特征,得到vgg_inputs、vgg_fakes和vgg_reals;
根据判别器确定所述标准乳腺超声图像以及所述待增强图像的判别结果,得到d_reals和d_fakes;
根据所述vgg_inputs和所述vgg_fakes,确定图像内容评价参数;
根据所述vgg_fakes、所述vgg_reals,确定图像质量评价参数;
根据所述d_reals和d_fakes确定损失因子;
根据所述图像内容评价参数、图像质量评价参数和所述损失因子训练所述生成器和所述判别器,得到训练后的所述生成器和训练后的所述判别器,训练后的所述生成器用于对目标乳腺超声图像进行图像增强,增强后的目标乳腺超声图像用于在输入至分类深度神经网络之后得到对应的病灶性质分类。
2.根据权利要求1所述的方法,其特征在于,所述将所述待增强图像输入生成器中,通过所述生成器中的卷积层、正则化层和激活层确定得到增强后的乳腺超声图像之前,所述方法还包括:
将所述待增强图像输入至条件生成网络,通过所述条件生成网络生成基于不同条件的扩展图像;所述不同条件包括:超声设备的不同品牌、超声设备的不同机型、被检对象的不同年龄、被检对象的不同性别以及被检对象的不同病灶类型中的至少一种;
将所述扩展图像增加至所述待增强图像。
3.根据权利要求1所述的方法,其特征在于,所述根据所述vgg_inputs和所述vgg_fakes,确定图像内容评价参数,包括:
所述图像内容评价参数为:Σ|vgg_inputs-vgg_fakes|。
4.根据权利要求1所述的方法,其特征在于,所述根据所述vgg_fakes、所述vgg_rea...
【专利技术属性】
技术研发人员:甘从贵,过易,赵明昌,
申请(专利权)人:无锡祥生医疗科技股份有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。