一种基于注意力神经网络的乳房超声图像肿瘤分类方法

摘要

本发明提供了一种基于注意力神经网络的乳房超声图像肿瘤分类方法，包括以下步骤：S1扩充数据步，利用训练集上病人的乳腺超声图像进行图像增强，扩充训练集的数据集；S2特征重标定步，设计神经元维度的注意力机制模块SE，对神经元特征进行特征重标定；S3缓解过拟合步，设计含有全局平均池化层、全连接层、批归一化层、ReLu激活和Dropout层的分类模块，减少参数，缓解过拟合；S4测试评估步，在训练集上进行训练，并将测试的数据集输入最终模型，通过多种分类指标评估模型性能，并与改进前的传统VGG16网络进行对比。在本申请中，通过本发明将一种基于注意力机制改进的卷积神经网络应用到了乳腺超声图像上，实现对乳腺超声图像的良恶性进行自动分类。