一种基于低频信息衰减与监督对比学习的乳腺癌图像分类方法

本发明提供了一种基于低频信息衰减生成困难样本与监督对比学习相结合的乳腺癌图像分类方法，属于医疗图像分类领域，用于乳腺癌x光图像分类。本发明的方法包括以下步骤：将待处理的乳腺癌X光图像使用Otsu分割算法进行初始分割，去除无关背景并且标准化尺寸；将分割处理后的图片通过低频抑制模块对图像的低频信息进行抑制；通过深度卷积神经网络分别提取Otsu分割算法处理图像与Otsu分割算法以及低频抑制模块处理图像的特征；在预训练阶段，借助监督对比学习损失，拉进相同类的样本，推远不同类的样本；在分类器训练阶段，通过深度卷积神经网络对Otsu分割算法处理的图像提取特征，最后借助全连接层确定最高概率值作为最终诊断结果。在两个公共数据集(INbreast和CBIS‑DDSM)和一个私有数据集(In‑house)上进行的实验表明，本发明比之前的乳腺癌X光图像分类方法具有更好的性能。