公开(公告)号：CN116758350A

公开(公告)日：2023-09-15

申请号：CN202310715739.X

申请日：2023-06-16

Applicant: 大连理工大学

Inventor： 杨梦婷 ,  秦攀 ,  顾宏

IPC: G06V10/764 ,  A61B8/08 ,  A61B8/00 ,  G06V10/774 ,  G06V10/82 ,  G06T7/00 ,  G16H50/20 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于人工智能的乳腺癌超声图像诊断辅助方法，目的是提供一种高精度分类模型辅助医生进行诊断。所述方法包括图像预处理和卷积神经网络模型的训练。首先，在数据预处理部分，本发明采用拉普拉斯算子对图像进行边缘提取与锐化，增强图像清晰度，同时对图像进行数据增强和标准化处理。其次，在模型训练部分，本发明采用RepVGG作为基线模型，结合注意力机制模块，将位置信息嵌入通道注意力中，并替换网络模型的最后一层为自定义多分支卷积结构，采用交叉熵损失和焦点损失的加权和结果作为模型的损失函数，最后通过消融实验，得出网络的最优模型。本发明对乳腺超声图像的自动分析和诊断具有重要意义。