技术特征：
技术总结
一种基于深度学习的全数字乳腺成像图像放射组学方法，具体步骤如下：获取全数字乳腺成像图像数据μdatset，通过对全数字乳腺成像图像数据μdatset进行预处理，得到预处理数据μihdf5，将预处理数据μihdf5输入至深度学习网络Alexnet中进行训练，并建立分类网络模型Malexnet，再将预处理数据μihdf5输入至分类网络模型Malexnet中进行特征提取，获得高维特征向量FeatureMap，将高维特征向量FeatureMap输入至随机森林RF中进行训练，得到高性能的肿瘤鉴别分类器。本发明使用了深度学习网络Alexnet框架提取出鉴别肿瘤的图像特征，并与放射组学结合，采用随机森林中对提取出的特征进行学习，实现基于深度学习的全数字乳腺成像图像放射组学的研究。
技术研发人员：边兆英;梁翠霞;曾栋;黄静;马建华
受保护的技术使用者：南方医科大学
技术研发日：2018.03.05
技术公布日：2018.07.20