摘要
本发明公开了一种基于神经网络融合机制的乳腺癌转移风险评估方法，属于医学图像处理技术领域。本发明包括：构建前哨淋巴结SLN超声图像数据集，包括SLN二维超声数据集TDUS和SLN超声造影数据集CEUS；构建乳腺癌转移风险评估模型，该评估模型包括：基于残差网络的第一子网络、基于自注意力神经网络的第二子网络，以及基于Choquet模糊积分的模糊积分融合模块；其中，第一、二子网络分别用于预测当前输入图像数据的乳腺癌转移风险的二分类的评估结果；通过基于Choquet模糊积分的模糊积分融合模块对子网络输出的评估结果进入结果融合处理，以输出最终评估结果，从而实现机器阅读SLN超声图像的乳腺癌转移风险辅助评估器。本发明方法提供的乳腺癌转移风险评估模型能高效、准确地辅助医师进行乳腺癌转移风险的预测，提升医生效率，降低医生工作强度。
