乳腺癌超声图像分割算法研究

针对乳腺癌超声图像分割问题,提出了一种基于掩膜区域卷积神经网络(Mask R-CNN)的算法。首先,进行了超声图像分割网络的算法设计;其次,将整理好的数据集制成COCO数据集图像分割形式,提取了训练集和测试集;最后,采用迁移学习方法对网络进行了训练,得出全部测试集的乳腺癌超声图像分割结果图,并且以Dice系数、交并比和平均类准确率为评价指标对图像分割效果进行了评估。结果表明,该算法的Dice系数达到0.91,显著提升了乳腺癌超声图像病变组织的分割精确度。