一种基于深度学习的乳腺病变风险评估系统

摘要

本发明公开了一种基于深度学习的乳腺病变风险评估系统，它涉及深度学习、计算机视觉、医疗影像领域。提出了trans‑unet结构，使用了Transformers加强编码部分之间的全局连接，使得提取的图像特征更具有表征性，并且融入了attention机制，有助于对于图像细节特征的提取，然后通过将浅层特征和深层特征的结合，这样一来特征表达更加充分，并且对小目标的分割刻画会更加准确；在分类模型EfficientNet中，融入了一种新的模型缩放方法，基于神经网络结构搜索技术先得到一组复合系数，再确定出网络的结构，所以EfficientNet不仅比别的网络快而且与数据贴合度好，所以精度更高。