基于深度学习的动态超声乳腺结节实时分割与识别的方法

摘要

本发明涉及医学图像处理技术领域，旨在提供一种基于深度学习的动态超声乳腺结节实时分割与识别的方法。包括：收集有结节的超声乳腺图像、视频以及有手术病理结果的病例数据构建数据集，构造静态图像结节分割网络，在原始图像上训练静态图像结节分割模型；使用LSTM层预测中间帧结节概率，构造视频动态分割网络，训练动态分割模型；使用基础网络构造良恶性识别网络结构，训练良恶性识别模型；实时输出结节位置信息，使用良恶性识别模型识别每帧结节良恶性，检查结束输出结节数和综合良恶性概率。本发明可以避免单张图像的信息不完整性，降低错误检测，减少遗漏的小结节，提高结节良恶性识别准确率。