一种乳腺肿瘤检测方法、存储介质及终端设备技术

本发明专利技术公开了一种乳腺肿瘤检测方法，存储介质及超声设备，所述检测方法包括获取待检测乳腺超声容积数据；待检测乳腺超声容积数据输入已训练的乳腺肿瘤检测模型，通过乳腺肿瘤检测模型输出所述待检测乳腺超声容积数据对应的乳腺肿瘤病灶。本发明专利技术通过采用包含有二维卷积单元、三维卷积单元以及点状卷积单元的下采样模块，减少了乳腺肿瘤检测模型的参数量以及计算量，从而使得乳腺肿瘤检测模型可以快速输出乳腺肿瘤病灶，提高了乳腺肿瘤病灶输出的实时性。同时，乳腺肿瘤检测模型从点、线、面以及体四个角度对待检测乳腺超声容积数据进行分割，提高了乳腺肿瘤病灶的检测的准确性。

A breast tumor detection method, storage medium and terminal equipment

【技术实现步骤摘要】
一种乳腺肿瘤检测方法、存储介质及终端设备
本专利技术涉及超声
，特别涉及一种乳腺肿瘤检测方法、存储介质及终端设备。
技术介绍
乳腺癌是严重威胁女性健康的主要疾病之一，女性一生中患乳腺癌的概率为10％，全世界每年约有乳腺癌病人120万人，并且以每年2％-3％的速度递增。据调查数据显示，中国每年的乳腺癌新发数量和死亡数量分别占全世界的12.2％和9.6％，而且按照当前趋势，至2021年中国乳腺癌患者数量可能将高达250万。目前乳腺癌筛查的方法包括临床乳腺检查、乳腺X线摄影、乳腺超声及乳腺磁共振成像等，其中，乳腺超声作为一种常见的诊断方式，其价格较低，且超声图像能够较好地反映出致密性乳腺肿瘤的分布，有利于减少不必要的病理检查。但是，传统手持式超声获取超声图像并手动标注病灶区域，这种方式存在着依赖操作者经验、获取图像不可重复等问题。为了解决上述问题，基于全自动乳腺容积超声(ABUS)被广泛使用，然而，由于ABUS存在处理计算量大超声图像质量较差、形状和回声特征复杂以及数据分布不平衡等问题，从而目前基于全自动乳腺容积超声(ABUS)获取病灶区域的方法普遍存在病灶区域的检出率低。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的不足，提供一种乳腺肿瘤检测方法、存储介质及终端设备。为了解决上述技术问题，本专利技术所采用的技术方案如下：一种乳腺肿瘤检测方法，所述方法包括：获取待检测乳腺超声容积数据；待检测乳腺超声容积数据输入已训练的乳腺肿瘤检测模型，其中，所述乳腺肿瘤检测模型包括下采样模块，所述下采样模块包括二维卷积单元、三维卷积单元以及线扫面卷积单元；通过所述乳腺肿瘤检测模型输出所述待检测乳腺超声容积数据对应的乳腺肿瘤病灶。所述乳腺肿瘤检测方法，其中，所述下采样模块包括至少一个第一Inception卷积单元，所述二维卷积单元、三维卷积单元以及线扫面卷积单元包含于所述第一Inception卷积单元，其中，所述第一Inception卷积单元包括有三个二维卷积单元，并且所述三个二维卷积单元、三维卷积单元以及线扫面卷积单元并行。所述乳腺肿瘤检测方法，其中，所述第一Inception卷积单元的输入特征的尺寸大于输出特征的尺寸。所述乳腺肿瘤检测方法，其中，所述下采样模块包括若干第二Inception卷积单元，所述第二Inception卷积单元包括三个二维卷积单元以及一个线扫面卷积单元，所述三个二维卷积单元以及一个线扫面卷积单元并行。所述乳腺肿瘤检测方法，其中，所述第二Inception卷积单元的输入特征图的图像尺寸等于输出图像的图像尺寸。所述乳腺肿瘤检测方法，其中，所述乳腺肿瘤检测模型的训练过程具体包括：通过待训练的乳腺肿瘤检测模型，提取训练数据的预测病灶区域；基于所述预测病灶区域和所述训练数据对应的真实病灶区域，确定训练数据对应的损失函数；基于所述损失函数对所述待训练的乳腺肿瘤检测模型进行训练。所述乳腺肿瘤检测方法，其中，所述基于所述预测病灶区域和所述训练数据对应的真实病灶区域，确定训练数据对应的损失函数具体包括：根据预测病灶区域与真实病灶区域确定假阳区域、假阴区域以及重合区域；将所述假阳区域、假阴区域以及重合区域进行加权以得目标区域，并根据重合区域与目标区域计算损失函数，其中，假阳区域对应的权重系数和假阴区域对应的权重系数不同。所述乳腺肿瘤检测方法，其中，所述乳腺肿瘤检测模型包括上采样模块，所述上采样模块与下采样模块相连接，所述上采样模块包括若干上采样单元和若干融合检测单元；所述通过待训练的乳腺肿瘤检测模型，提取训练数据的预测病灶区域具体包括：通过所述若干下采样单元中最后一下采样单元以及若干融合检测单元分别输出第一预测病灶区域；根据输出的所有第一预测病灶区域形成所述提取训练数据的预测病灶区域集，并将所述预测病灶区域集作为所述训练数据对应的预测病灶区域。一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的乳腺肿瘤检测方法中的步骤。一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述通信总线实现处理器和存储器之间的连接通信；所述处理器执行所述计算机可读程序时实现如上任一所述的乳腺肿瘤检测方法中的步骤。有益效果：与现有技术相比，本专利技术提供了一种乳腺肿瘤检测方法，存储介质及超声设备，所述检测方法包括获取待检测乳腺超声容积数据；待检测乳腺超声容积数据输入已训练的乳腺肿瘤检测模型，通过所述乳腺肿瘤检测模型输出所述待检测乳腺超声容积数据对应的乳腺肿瘤病灶，其中，所述乳腺肿瘤检测模型包括下采样模块，所述下采样模块包括二维卷积单元、三维卷积单元以及点状卷积单元。本专利技术通过采用包含有二维卷积单元、三维卷积单元以及点状卷积单元的下采样模块，减少了乳腺肿瘤检测模型的参数量以及计算量，从而使得乳腺肿瘤检测模型可以快速输出乳腺肿瘤病灶，提高了乳腺肿瘤病灶输出的实时性。同时，乳腺肿瘤检测模型从而点、线、面以及体四个角度对待检测乳腺超声容积数据进行分割，提高了乳腺肿瘤病灶的检测的准确性。附图说明图1为本专利技术提供的乳腺肿瘤检测方法的流程图。图2为本专利技术提供的乳腺肿瘤检测方法中乳腺肿瘤检测模型的结构原理图。图3为本专利技术提供的乳腺肿瘤检测方法中乳腺肿瘤检测模型的第一Inception卷积单元的结构原理图。图4为本专利技术提供的乳腺肿瘤检测方法中乳腺肿瘤检测模型的第二Inception卷积单元的结构原理图。图5为本专利技术提供的乳腺肿瘤检测方法中乳腺肿瘤检测模型的融合检测单元的结构原理图。图6为本专利技术提供的终端设备的结构原理图。具体实施方式本专利技术提供一种乳腺肿瘤检测方法、存储介质及终端设备，为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，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、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应本文档来自技高网...

【技术保护点】
1.一种乳腺肿瘤检测方法，其特征在于，所述方法包括：/n获取待检测乳腺超声容积数据；/n待检测乳腺超声容积数据输入已训练的乳腺肿瘤检测模型，其中，所述乳腺肿瘤检测模型包括下采样模块，所述下采样模块包括二维卷积单元、三维卷积单元以及线扫面卷积单元；/n通过所述乳腺肿瘤检测模型输出所述待检测乳腺超声容积数据对应的乳腺肿瘤病灶。/n

【技术特征摘要】
1.一种乳腺肿瘤检测方法，其特征在于，所述方法包括：
获取待检测乳腺超声容积数据；
待检测乳腺超声容积数据输入已训练的乳腺肿瘤检测模型，其中，所述乳腺肿瘤检测模型包括下采样模块，所述下采样模块包括二维卷积单元、三维卷积单元以及线扫面卷积单元；
通过所述乳腺肿瘤检测模型输出所述待检测乳腺超声容积数据对应的乳腺肿瘤病灶。


2.根据权利要求1所述乳腺肿瘤检测方法，其特征在于，所述下采样模块包括至少一个第一Inception卷积单元，所述二维卷积单元、三维卷积单元以及线扫面卷积单元包含于所述第一Inception卷积单元，其中，所述第一Inception卷积单元包括有三个二维卷积单元，并且所述三个二维卷积单元、三维卷积单元以及线扫面卷积单元并行。


3.根据权利要求2所述乳腺肿瘤检测方法，其特征在于，所述第一Inception卷积单元的输入特征的尺寸大于输出特征的尺寸。


4.根据权利要求2所述乳腺肿瘤检测方法，其特征在于，所述下采样模块包括若干第二Inception卷积单元，所述第二Inception卷积单元包括三个二维卷积单元以及一个线扫面卷积单元，所述三个二维卷积单元以及一个线扫面卷积单元并行。


5.根据权利要求2所述乳腺肿瘤检测方法，其特征在于，所述第二Inception卷积单元的输入特征图的图像尺寸等于输出图像的图像尺寸。


6.根据权利要求1-5任一所述乳腺肿瘤检测方法，其特征在于，所述乳腺肿瘤检测模型的训练过程具体包括：
通过待训练的乳腺肿瘤检测模型，提取训练数据的预测病灶区域；
基于所述预测病灶区域和所述训练数据对应的真实病灶区域，确定训练数据对应的损失函数；
基于所述损失函数对所述待训练的乳腺肿瘤检测...

【专利技术属性】
技术研发人员：王毅，俞俊雄，秦陈陈，林川露，倪东，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44