乳腺钼靶图像的辅助诊断方法、装置、系统及介质制造方法及图纸

本申请公开了一种乳腺钼靶图像的辅助诊断方法、装置、设备、系统及介质，所述方法包括：获取单侧乳房的乳腺钼靶图像，所述乳腺钼靶图像包括：CC位钼靶图像和MLO位钼靶图像；调用乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果；生成和输出检测报告，所述检测报告包括所述单侧乳房的良恶性预测结果。由于乳房良恶性检测模型能够综合对CC位钼靶图像和MLO位钼靶图像进行良恶性预测，也即综合了两个不同视角的钼靶图像进行良恶性预测，较为真实地模拟了医生实际的看片过程，从提高了对单侧乳房的良恶性预测结果的准确性。

Auxiliary Diagnostic Method, Device, System and Medium for Mammary Molybdenum Target Images

【技术实现步骤摘要】
乳腺钼靶图像的辅助诊断方法、装置、系统及介质
本申请实施例涉及人工智能领域，特别涉及一种乳腺钼靶图像的辅助诊断方法、装置、系统及介质。
技术介绍
乳腺钼靶(mammograms)图像被广泛应用于乳腺癌早期筛查，医生通常会诊断钼靶图像中的各种异常信息，包括肿块病灶、钙化病灶、淋巴结肿大及皮肤异常等，并根据异常信息给出表征风险程度的乳腺影像报告和数据系统(BI-RADS)分级。相关技术中，采用神经网络模型对乳腺钼靶图像中的病灶进行识别，从而定位出乳腺钼靶图像中的可疑病灶以及良恶性预测结果，并根据乳腺钼靶图像中的所有异常信息推断出该乳腺钼靶图像整体的BI-RADS评分。但是上述神经网络模型的预测过程仅是简单的二维图像层面的预测过程，与医生实际的看片过程并不吻合，导致对良恶性预测结果的准确程度较低。
技术实现思路
本申请实施例提供了一种乳腺钼靶图像的辅助诊断方法、装置、系统及介质，可以解决相关技术中的神经网络模型对乳腺钼靶图像中的良恶性预测结果的准确程序较低的问题。所述技术方案如下：根据本申请的一个方面，提供了一种乳腺钼靶图像的辅助诊断方法，所述方法包括：获取单侧乳房的乳腺钼靶图像，所述乳腺钼靶图像包括：头尾(Cranial-Caudal，CC)位钼靶图像和内侧斜视(MedioLateral-Oblique，MLO)位钼靶图像；调用乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果；生成和输出检测报告，所述检测报告包括所述单侧乳房的良恶性预测结果。根据本申请的一个方面，提供了一种乳腺钼靶图像的辅助诊断装置，所述装置包括：图像获取模块，用于获取单侧乳房的乳腺钼靶图像，所述乳腺钼靶图像包括：CC位钼靶图像和MLO位钼靶图像；乳房良恶性检测模型模块，用于对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果；自动化报告输出模块，用于生成和输出检测报告，所述检测报告包括所述单侧乳房的良恶性预测结果。根据本申请的另一方面，提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器存储有至少一条程序，所述至少一条程序由所述处理器加载并执行以实现如上所述的乳腺钼靶图像的辅助诊断方法。根据本申请的另一方面，提供了一种乳腺钼靶图像的辅助诊断系统，其特征在于，所述系统包括：乳腺DR设备、计算机设备和医生设备；所述乳腺DR设备与所述计算机设备相连，所述计算机设备与所述医生设备相连；所述计算机设备包括存储器和处理器；所述存储器存储有至少一条程序，所述至少一条程序由所述处理器加载并执行以实现如上所述的乳腺钼靶图像的辅助诊断方法。根据本申请的另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序，所述至少一条程序由处理器加载并执行以实现如上所述的乳腺钼靶图像的辅助诊断方法。本申请实施例提供的技术方案带来的有益效果至少包括：通过获取单侧乳房的CC位钼靶图像和MLO位钼靶图像；调用乳房良恶性检测模型对CC位钼靶图像和MLO位钼靶图像进行良恶性预测，得到单侧乳房的良恶性预测结果；生成和输出检测报告，检测报告包括单侧乳房的良恶性预测结果；由于乳房良恶性检测模型能够综合对CC位钼靶图像和MLO位钼靶图像进行良恶性预测，也即综合了两个不同视角的钼靶图像进行良恶性预测，较为真实地模拟了医生实际的看片过程，从提高了对单侧乳房的良恶性预测结果的准确性。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请一个示意性实施例提供的乳腺钼靶图像的辅助检测方法的流程图；图2是本申请另一个示意性实施例提供的乳腺钼靶图像的辅助检测方法的流程图；图3是本申请一个示意性实施例提供的乳房良恶性模型的结构框图；图4是本申请另一个示意性实施例提供的乳腺钼靶图像的辅助检测方法的流程图；图5是本申请另一个示意性实施例提供的乳房信息提取子系统的流程图；图6是本申请另一个示意性实施例提供的乳头和肌肉检测模型的训练方法的流程图；图7是本申请另一个示意性实施例提供的腺体类型分类模型的训练方法的流程图；图8是本申请另一个示意性实施例提供的病灶检测子系统的工作原理图；图9是本申请一个示意性实施例提供的病灶描述模型的训练方法的流程图；图10是本申请一个示意性实施例提供的病灶良恶性模型的训练方法的流程图；图11是本申请一个示意性实施例提供的病灶象限定位模型的定位示意图；图12是本申请一个示意性实施例提供的病灶匹配模型的训练方法的流程图；图13是本申请一个示意性实施例提供的乳房良恶性模型的工作原理图；图14是本申请一个示意性实施例提供的单图良恶性模型的训练方法的流程图；图15是本申请另一个示意性实施例提供的自动化报告子系统的工作原理图；图16是本申请一个示意性实施例提供的结构化报告的报告示意图；图17是本申请一个示意性实施例提供的乳腺钼靶图像的辅助检测装置的框图；图18是本申请一个示意性实施例提供的计算机设备的框图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。尽管以下描述使用术语第一、第二等来描述各种元素，但这些元素不应受术语的限制。这些术语只是用于将一元素与另一元素区域分开。例如，在不脱离各种所述示例的范围的情况下，第一图像可以被称为第二图像，并且类似地，第二图像可以被称为第一图像。第一图像和第二图像都可以是图像，并且在某些情况下，可以是单独且不同的图像。在本文中对各种所述示例的描述中所使用的术语只是为了描述特定示例，而并非旨在进行限制。如在对各种所述示例的描述和所附权利要求书中所使用的那样，单数形式“一个(“a”“,an”)”和“该”旨在也包括复数形式，除非上下文另外明确地指示。还将理解的是，本文中所使用的术语“和/或”是指并且涵盖相关联的所列出的项目中的一个或多个项目的任何和全部可能的组合。还将理解的是，术语“包括”(“inCludes”“inCluding”“Comprises”和/或“Comprising”)当在本说明书中使用时指定存在所陈述的特征、整数、步骤、操作、元素、和/或部件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元素、部件、和/或其分组。根据上下文，术语“如果”可被解释为意指“当...时”(“when”或“upon”)或“响应于确定”或“响应于检测到”。类似地，根据上下文，短语“如果确定...”或“如果检测到[所陈述的条件或事件]”可被解释为意指“在确定...时”或“响应于确定...”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。首先对本申请实施例涉及的若干个名词进行简介：乳房钼靶图像：是利用X射线的物理性质及人体乳房组织不同的等密度值，将乳房的二维图像投影于X光胶片之上得到的图像，简称钼靶图像。根据钼靶图像的视图位置不同，包括：CC位的钼靶图像和MLO位的钼靶图像。图1示出了本申请一个示例性实施例提供的计算机系统的结构框图。该计算本文档来自技高网...

【技术保护点】
1.一种乳腺钼靶图像的辅助诊断方法，其特征在于，所述方法包括：获取单侧乳房的乳腺钼靶图像，所述乳腺钼靶图像包括：头尾CC位钼靶图像和内侧斜MLO位钼靶图像；调用乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果；生成和输出检测报告，所述检测报告包括所述单侧乳房的良恶性预测结果。

【技术特征摘要】
1.一种乳腺钼靶图像的辅助诊断方法，其特征在于，所述方法包括：获取单侧乳房的乳腺钼靶图像，所述乳腺钼靶图像包括：头尾CC位钼靶图像和内侧斜MLO位钼靶图像；调用乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果；生成和输出检测报告，所述检测报告包括所述单侧乳房的良恶性预测结果。2.根据权利要求1所述的方法，其特征在于，所述乳房良恶性检测模型包括：第一单图检测部、第二单图检测部、池化层和全连接层；所述调用乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果，包括：调用所述第一单图检测部对所述CC位钼靶图像进行处理，得到第一特征；调用所述第二单图检测部对所述MLO位钼靶图像进行处理，得到第二特征；将所述第一特征和所述第二特征输入所述池化层和所述全连接层，得到所述单侧乳房的良恶性预测结果。3.根据权利要求1所述的方法，其特征在于，所述调用乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果之前，还包括：调用腺体类型分类模型对所述乳腺钼靶图像中的腺体类型进行识别，得到腺体类型识别结果；所述调用乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果，包括：根据所述腺体类型识别结果确定所述乳房良恶性检测模型对应的预测阈值；调用确定所述预测阈值后的乳房良恶性检测模型对所述CC位钼靶图像和所述MLO位钼靶图像进行良恶性预测，得到所述单侧乳房的良恶性预测结果。4.根据权利要求2所述的方法，其特征在于，所述调用腺体类型分类模型对所述乳腺钼靶图像中的腺体类型进行识别，得到腺体类型识别结果，包括：调用所述腺体类型分类模型对所述CC位钼靶图像的腺体类型进行识别，得到第一腺体类型；调用所述腺体类型分类模型对所述MLO位钼靶图像的腺体类型进行识别，得到第二腺体类型；将所述第一腺体类型和所述第二腺体类型中腺体密度较大的一种，确定为所述单侧乳房的腺体类型。5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：调用病灶识别模型对所述乳腺钼靶图像进行病灶检测，得到病灶检测结果，所述病灶检测包括肿块检测和/或钙化检测。6.根据权利要求5所述的方法，其特征在于，所述病灶识别模型包括：病灶描述模型、病灶良恶性模型、病灶匹配模型和病灶象限定位模型中的至少一种；所述调用病灶识别模型对所述乳腺钼靶图像进行病灶检测，得到病灶检测结果，包括：调用所述病灶描述模型对所述乳腺钼靶图像中的病灶进行检测，得到病灶描述信息；调用所述病灶良恶性模型对所述乳腺钼靶图像中的病灶进行良恶性识别，得到病灶良恶性概率；调用所述病灶匹配模型对所述CC位钼靶图像和所述MLO位钼靶图像的病灶进行一致性判断，得到病灶匹配概...

【专利技术属性】
技术研发人员：田宽，江铖，颜克洲，沈荣波，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44