一种基于乳腺超声影像的乳腺病灶智能分析方法及系统技术方案

本发明专利技术公开了一种基于乳腺超声影像的乳腺病灶智能分析方法及系统，该方法主要包括动态识别、辅助分析、生成报告/病例三部分，三部分既可以单独使用，分阶段输出对应的结果，也可以联合在一起使用，贯穿乳腺超声检查的整个流程，该方法使用裁剪优化过的深度学习算法完成识别和分析工作，分析结果可靠性高且时效性强，且该方法得到的分析结果主要用于辅助医生高效处理日常乳腺超声检查工作，辅助分析、生成报告/病例两个环节均是应用户请求完成的，相对于传统的乳腺病灶分析方法更加人性化，误诊漏诊率大大降低。

An intelligent analysis method and system of breast lesions based on breast ultrasound image

【技术实现步骤摘要】
一种基于乳腺超声影像的乳腺病灶智能分析方法及系统
本专利技术涉及人工智能与超声医学影像处理
，更具体的说是涉及一种基于乳腺超声影像的乳腺病灶智能分析方法及系统。
技术介绍
目前，随着女性乳腺疾病相关知识的不断普及，定期进行乳腺检查成为乳腺疾病诊断和防护的首要工作。乳腺超声技术具有无创、快捷、重复性强、无放射等优点，能清楚地显示乳腺各层软组织及其中肿块的形态、内部结构及相邻组织的改变，给乳腺疾病的排查工作带来很大的便利，但是，乳腺超声检查在医院的临床引用过程中还存在以下几个方面的问题：1.乳腺超声检查对医生的医学知识和技术经验等有着较高的要求，如需要根据患者不同情况，正确的操控探头的角度、位置等，也需要根据超声图像正确理解各组织及病灶类型、性质等，而超声科面对日益增长的乳腺检查的需求，均已出现医生不足的情况；2.超声科医生每天面对日益繁重的工作，受情绪、体力等影响，难免会出现漏诊、误诊的情况；3.医生在使用超声设备检查完后，仍需对病灶进行测量、分析，并投入一定的时间和精力输入文字，形成病例、超声报告等。为简化医生工作流程、减轻工作负担、提高诊断正确率，基于深度学习技术的智能化诊断系统应运而生，由于该系统智能化程度高于传统的超声检查系统，检查工作效率得到一定程度的提升，但是，基于深度学习的智能化分析、诊断技术在临床应用上仍存在以下方面问题：1.实时性差，深度学习是一种计算密集型技术，对CPU、GPU等有着较高的要求。所以很多智能化系统都是依赖云计算或远程服务器进行，受制与网络和网速等，即使是部署到设备端的离线模型，也有存在响应缓慢、延迟较大等问题，医生对系统的体验和使用效率都并不是很好。2.完成度低，很多系统基于深度学习技术可以完成医生工作流程中的一部分，如病灶检测识别、性状分析等，但并未完全契合或完成医生日常工作的流程。医生为使用类似系统还需支出额外精力或时间，改变工作流程、习惯等。3.误诊漏诊，基于深度学习的智能化诊断系统，虽然在一定程度上提高了某些方面的识别率，但仍不可避免的存在误诊、漏诊的情况。因此，如何提供一种时效性强、准确可靠、功能更加齐全的乳腺病灶智能分析方法是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于乳腺超声影像的乳腺病灶智能分析方法及系统，该方法从动态识别、辅助分析、生成报告/病例三方面辅助医生对乳腺病灶进行分析，解决了现有的乳腺病灶智能分析方法实时性差、完成度低且误诊漏诊率高的问题。为了实现上述目的，本专利技术采用如下技术方案：一种基于乳腺超声影像的乳腺病灶智能分析方法，该方法包括：识别病灶：获取病人相关的乳腺超声影像数据，对获取到的乳腺超声影像进行动态识别，在乳腺超声影像中标记出乳腺病灶的位置及区域，并输出乳腺病灶标记图像；辅助分析：根据用户请求，对乳腺病灶标记图像做进一步分析，推算出病灶各维度的分类信息，并将信息整理汇总后进行显示，输出辅助分析结果；生成病例/报告：根据用户请求，对辅助分析结果做进一步整合处理，生成病例或超声报告。进一步地，识别病灶的过程，具体包括：获取数据：获取病人相关的乳腺超声影像数据，并输入病人的个人信息，将病人的个人信息和对应的乳腺超声影像数据一并存储；数据预处理：对乳腺超声影像数据进行预处理；构建模型：构建基于深度学习的乳腺病灶动态识别神经网络，并使用乳腺超声检查临床实践中的真实影像数据对乳腺病灶动态识别神经网络进行训练，并优化训练后的模型，得到深度学习网络模型；结果推断：将预处理后的乳腺超声影像数据输入深度学习网络模型，输出乳腺病灶推算结果；病灶解析：根据乳腺病灶推算结果，计算解析出乳腺病灶的实际位置或边缘；输出结果：将乳腺病灶的实际位置或边缘进行标注，输出乳腺病灶标记图像。进一步地，对乳腺超声影像数据进行预处理的过程，具体包括：提取乳腺超声影像数据中的图像信息；对图像进行缩放、灰度化及归一化处理。进一步地，构建模型的过程，具体包括：构建基于深度学习的乳腺病灶动态识别神经网络；对乳腺超声检查临床实践中的真实影像数据进行脱敏处理；对脱敏后的真实影像数据进行标注，得到标注图像；将标注图像转交医院超声科医生进行二次标注或确认；将二次标注或确认后的标注图像进行数据增强处理，得到样本数据；将样本数据输入乳腺病灶动态识别神经网络进行训练，进一步压缩并优化网络模型，得到深度学习网络模型。进一步地，辅助分析的过程，具体包括：数据预处理：根据用户请求，对乳腺病灶标记图像进行预处理；构建模型：构建基于深度学习的乳腺超声影像辅助分析网络，使用乳腺超声检查临床实践中的真实影像对乳腺超声影像辅助分析网络进行训练，并优化训练后的模型，得到辅助分析网络模型；病灶分析：将预处理后的乳腺病灶标记图像输入辅助分析网络模型，输出乳腺病灶辅助分析结果。进一步地，构建模型的过程，具体包括：构建基于深度学习的乳腺超声影像辅助分析网络；对乳腺超声检查临床实践中的真实影像数据进行脱敏处理；对脱敏后的真实影像数据进行分类标注，得到分类标注图像；将分类标注图像转交医院超声科医生进行二次分类标注或确认；将二次分类标注或确认后的分类标注图像进行数据增强处理，得到样本数据；将样本数据输入乳腺超声影像辅助分析网络进行训练，进一步压缩并优化网络模型，得到深度学习网络模型。进一步地，病灶分析的过程，具体包括：对预处理后的乳腺病灶标记图像进行深度网络计算，推理出乳腺病灶各维度的分类信息，并解析出病灶的实际分类信息；对乳腺病灶各个维度的实际分类信息进行整理和汇总后，进行显示。进一步地，生成病例/报告的过程，具体包括：根据预先输入的病人的个人信息，对乳腺病灶辅助分析结果做进一步的编辑和同步病例处理，自动生成病灶描述和超声表现信息，形成初步病例或超声报告；接收用户的修订请求，对生成的病例或超声报告进行修改或补充，得到最终的病例或超声报告。此外，本专利技术还提供了一种基于乳腺超声影像的乳腺病灶智能分析系统，该系统基于上述的一种基于乳腺超声影像的乳腺病灶智能分析方法。经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于乳腺超声影像的乳腺病灶智能分析方法及系统，该方法主要包括动态识别、辅助分析、生成报告/病例三部分，三部分既可以单独使用，分阶段输出对应的结果，也可以联合在一起使用，贯穿乳腺超声检查的整个流程，该方法使用裁剪优化过的深度学习算法完成识别和分析工作，分析结果可靠性高且时效性强，且该方法得到的分析结果主要用于辅助医生高效处理日常乳腺超声检查工作，辅助分析、生成报告/病例两个环节均是应用户请求完成的，相对于传统的乳腺病灶分析方法更加人性化，误诊漏诊率大大降低。附图说明为了更清楚地说明本专利技术实施例或现有技本文档来自技高网...

【技术保护点】
1.一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，包括：/n识别病灶：获取病人相关的乳腺超声影像数据，对获取到的乳腺超声影像进行动态识别，在乳腺超声影像中标记出乳腺病灶的位置及区域，并输出乳腺病灶标记图像；/n辅助分析：根据用户请求，对乳腺病灶标记图像做进一步分析，推算出病灶各维度的分类信息，并将信息整理汇总后进行显示，输出辅助分析结果；/n生成病例/报告：根据用户请求，对辅助分析结果做进一步整合处理，生成病例或超声报告。/n

【技术特征摘要】
1.一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，包括：
识别病灶：获取病人相关的乳腺超声影像数据，对获取到的乳腺超声影像进行动态识别，在乳腺超声影像中标记出乳腺病灶的位置及区域，并输出乳腺病灶标记图像；
辅助分析：根据用户请求，对乳腺病灶标记图像做进一步分析，推算出病灶各维度的分类信息，并将信息整理汇总后进行显示，输出辅助分析结果；
生成病例/报告：根据用户请求，对辅助分析结果做进一步整合处理，生成病例或超声报告。


2.根据权利要求1所述的一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，识别病灶的过程，具体包括：
获取数据：获取病人相关的乳腺超声影像数据，并输入病人的个人信息，将病人的个人信息和对应的乳腺超声影像数据一并存储；
数据预处理：对乳腺超声影像数据进行预处理；
构建模型：构建基于深度学习的乳腺病灶动态识别神经网络，并使用乳腺超声检查临床实践中的真实影像数据对乳腺病灶动态识别神经网络进行训练，并优化训练后的模型，得到深度学习网络模型；
结果推断：将预处理后的乳腺超声影像数据输入深度学习网络模型，输出乳腺病灶推算结果；
病灶解析：根据乳腺病灶推算结果，计算解析出乳腺病灶的实际位置或边缘；
输出结果：将乳腺病灶的实际位置或边缘进行标注，输出乳腺病灶标记图像。


3.根据权利要求2所述的一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，对乳腺超声影像数据进行预处理的过程，具体包括：
提取乳腺超声影像数据中的图像信息；
对图像进行缩放、灰度化及归一化处理。


4.根据权利要求2所述的一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，构建模型的过程，具体包括：
构建基于深度学习的乳腺病灶动态识别神经网络；
对乳腺超声检查临床实践中的真实影像数据进行脱敏处理；
对脱敏后的真实影像数据进行标注，得到标注图像；
将标注图像转交医院超声科医生进行二次标注或确认；
将二次标注或确认后的标注图像进行数据增强处理，得到样本数据；
将样本数据输入乳腺病灶动态识别神经网络进行训练，进一步压缩并优化网络模型，得到深度学...

【专利技术属性】
技术研发人员：成雅科，
申请(专利权)人：视隼智能科技上海有限公司，
类型：发明
国别省市：上海;31