侯佩，齐亚莉

(1.河南省焦作市第二人民医院甲状腺乳腺外科一区，焦作 454000；2.济源职业技术学院医学系，焦作 459000)

1 引 言

早期检测乳腺肿瘤的方法有核磁共振成像、乳腺超声检查以及临床乳腺检查等[1]。其中，核磁共振成像(MRI)是有效且应用广泛的诊断工具[2]。对肿瘤影像特别是MRI成像进行区域分割，对提高乳腺肿瘤的检测精度具有重要意义。

分割乳腺肿瘤区域主要采取手工方式，可重复性低、耗时长。当前临床医学不断向着智能化与自动化发展[3]。近年来，乳腺肿瘤的自动区域分割问题受到了越来越多的关注，很多学者提出了不同的自动区域分割模型和算法。然而实际上这些算法多数仍需进行人工干预，严格来说属于半自动分割方法。随着大数据与人工智能等技术的发展，乳腺肿瘤检测的技术越来越多，在医疗图像处理中应用深度神经网络也成为研究重点。为此，本研究提出一种基于深度神经网络的乳腺肿瘤自动区域分割方法。

2 方法设计

2.1 乳腺肿瘤图像的处理

乳腺肿瘤成像图像均为灰度单通道图，而深度神经网络输入的是RGB三通道图像，因此，需要对灰度单通道图进行预处理，使其变成三通道方式[4]。

在图像处理中使用的两种算法分别为：直方图自适应均衡化算法与Sobel算子[5]。直方图自适应均衡化算法能够强化较多像素值的病灶区域，而Sobel算子则能够将病灶边缘变得更加明显，结合使用两种算法能够增强原始图像的对应灰度分布，扩充图像通道，减轻后续图像分割的负担[6]。……