一种基于多模态超声图像的乳腺肿瘤分割方法

一种基于多模态超声图像的乳腺肿瘤分割方法，为解决现有乳腺超声图像分割技术易将伪影和低回声区域错误识别为肿瘤、肿瘤边界分割精度低的问题，包括1、获取配对的B型超声图像和应变弹性图像，构造多模态乳腺超声图像数据集；2、搭建基于特征矫正对齐和边界不确定性增强的多模态图像分割模型算法；3、采用五折交叉验证的方式训练基于特征矫正对齐和边界不确定性增强的多模态图像分割模型，保存表现最优模型参数；4、加载最优模型参数，对验证集内图像进行推理预测，计算在验证集上的评价指标，与当前其他先进算法进行对比。本发明能有效提高超声图像中乳腺肿瘤的分割精度，提高网络预测的准确性。本发明属于计算机视觉、深度学习和医学图像分割领域。