一种获取BI-RADS等级的方法和系统技术方案

本申请提供了一种获取BI‑RADS等级的方法和系统，包括：根据乳腺影像数据的集合对待训练良/恶性肿瘤二分类模型进行训练；根据所述第一乳腺影像数据的集合获取待训练良/恶性肿瘤二分类模型的预测值对应的BI‑RADS等级；根据所述预测值对应的每个BI‑RADS等级的密度，确定具有多个BI‑RADS等级对应关系的预测值对应的唯一BI‑RADS等级，并建立预测值‑BI‑RADS等级的对应关系；通过所述第二乳腺影像数据获取对应的预测值；将所述第二乳腺影像数据对应的预测值与所述预测值‑BI‑RADS等级的对应关系进行比较，获取所述第二乳腺影像数据对应的BI‑RADS等级。

【技术实现步骤摘要】
一种获取BI-RADS等级的方法和系统
本申请属于数据处理领域，尤其涉及一种获取BI-RADS等级的方法和系统。
技术介绍
乳腺癌是严重危害女性健康的恶性肿瘤之一。乳腺癌是全世界女性中被诊断最多的癌症类型，也是女性癌症致死的主要原因。目前医学上还没有能够有效预防乳腺癌的手段。因此，乳腺癌的早期发现、早期诊断和早期治疗对于降低乳腺癌的死亡率具有重要意义。BI-RADS是(BreastImagingReportingandDataSystem乳腺影像报告和数据系统）的英文缩写，是目前乳腺影像诊断普遍应用的分级评价标准。BI-RADS分级法将乳腺病变分为0～6级，用来评价乳腺病变良恶性程度。一般来说，级别越高，恶性的可能性越大。这一标准的建立使描述乳腺病灶的特征性术语和评价病灶恶性程度的报告术语趋于标准化规范化，降低了解读乳腺影像学报告中出现误差和不确定性，尤其对乳腺癌复查诊断更为重要。根据官方提供的BI-RADS等级分级表，可以得到肿瘤恶性概率与BI-RADS等级粗略的映射关系。但良/恶性肿瘤二分类模型的预测值的绝对值并不反映实际的BI-RADS等级，并且每次对同一病灶的训练，其预测值会随数据分布及训练程度不同而有很大变化。现有技术通常将乳腺影像数据直接用作良/恶性肿瘤二分类模型的训练，因为大多乳腺影像数据只有良/恶性肿瘤的结果，并没有BI-RADS等级的标注，同时乳腺影像数据分配到BI-RADS各等级的数量较少，且每次采集条件也不均衡，这些原因都导致了无法直接从影像数据训练较准确的BI-RADS多分类模型。因而需要一个把良/恶性肿瘤二分类模型的预测值转换为实际的BI-RADS等级的映射表。这样每次训练得到新的模型，通过更新并使用这个映射表转换就可以保证BI-RADS的相对准确的分级。
技术实现思路
本专利技术实施例的主要目的在于提供一种获取BI-RADS等级的方法和系统，使得良/恶性肿瘤二分类模型可以准确的显示出其预测值对应的BI-RADS等级。第一方面，提供了一种获取BI-RADS等级的方法，所述方法包括：根据乳腺影像数据的集合对待训练良/恶性肿瘤二分类模型进行训练，所述乳腺影像数据包括：第一乳腺影像数据和第二乳腺影像数据，所述第一乳腺影像数据为已标注乳腺影像报告和数据系统BI-RADS等级的乳腺影像数据，所述第二乳腺影像数据为未标注BI-RADS等级的乳腺影像数据；根据所述第一乳腺影像数据的集合获取待训练良/恶性肿瘤二分类模型的预测值对应的BI-RADS等级根据所述预测值对应的每个BI-RADS等级的密度，确定具有多个BI-RADS等级对应关系的预测值对应的唯一BI-RADS等级，并建立预测值-BI-RADS等级的对应关系；通过所述第二乳腺影像数据对已训练良/恶性肿瘤二分类模型进行预测，获取所述第二乳腺影像数据对应的预测值；将所述第二乳腺影像数据对应的预测值与所述预测值-BI-RADS等级的对应关系进行比较，获取所述第二乳腺影像数据对应的BI-RADS等级。在一个可能的实现方式中，所述根据第一乳腺影像数据的集合获取待训练良/恶性肿瘤二分类模型的预测值对应的BI-RADS等级，包括：获取第一乳腺影像数据的集合；根据所述第一乳腺影像数据的集合对所述待训练良/恶性肿瘤二分类模型进行训练，获取对应的预测值。在另一个可能的实现方式中，所述根据所述预测值对应的每个BI-RADS等级的密度，确定具有重叠BI-RADS等级关系的预测值对应的唯一BI-RADS等级，包括：将密度较大的BI-RADS等级确定为所述预测值的BI-RADS等级。在另一个可能的实现方式中，所述预测值-BI-RADS等级的对应关系绘制为核密度估计KDE密度分布图。在另一个可能的实现方式中，所述第一乳腺影像数据和第二乳腺影像数据包括：乳腺钼靶图像、乳腺二维手动超声图像、乳腺三维自动超声图像、乳腺核磁共振图像。第二方面，提供了一种获取BI-RADS等级的系统，所述系统包括：训练模块，用于根据乳腺影像数据的集合对待训练良/恶性肿瘤二分类模型进行训练，所述乳腺影像数据包括：第一乳腺影像数据和第二乳腺影像数据，所述第一乳腺影像数据为已标注乳腺影像报告和数据系统BI-RADS等级的乳腺影像数据，所述第二乳腺影像数据为未标注BI-RADS等级的乳腺影像数据；BI-RADS等级获取模块，用于根据所述第一乳腺影像数据的集合获取已训练良/恶性肿瘤二分类模型的预测值对应的BI-RADS等级；对应关系建立模块，用于根据所述预测值对应的每个BI-RADS等级的密度，确定具有多个BI-RADS等级对应关系的预测值对应的唯一BI-RADS等级，并建立预测值-BI-RADS等级的对应关系；第二乳腺影像数据对应预测值获取模块，用于通过所述第二乳腺影像数据对已训练良/恶性肿瘤二分类模型进行预测，获取所述第二乳腺影像数据对应的预测值。BI-RADS等级获取模块，用于将所述第二乳腺影像数据对应的预测值与所述预测值-BI-RADS等级的对应关系进行比较，获取所述第二乳腺影像数据对应的BI-RADS等级。在另一个可能的实现方式中，所述BI-RADS等级获取模块，包括：集合获取单元，用于获取第一乳腺影像数据的集合；预测值获取单元，用于根据所述第一乳腺影像数据的集合对所述待训练良/恶性肿瘤二分类模型进行训练，获取对应的预测值。在另一个可能的实现方式中，所述根据所述预测值对应的每个BI-RADS等级的密度，确定具有重叠BI-RADS等级关系的预测值对应的唯一BI-RADS等级，包括：将密度较大的BI-RADS等级确定为所述预测值BI-RADS等级。在另一个可能的实现方式中，所述预测值-BI-RADS等级的对应关系绘制为核密度估计KDE密度分布图。在另一个可能的实现方式中，所述第一乳腺影像数据和第二乳腺影像数据包括：乳腺钼靶图像、乳腺二维手动超声图像、乳腺三维自动超声图像、乳腺核磁共振图像。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。图1为本专利技术一个实施例提供的一种获取BI-RADS等级的方法的流程图；图2为本专利技术另一个实施例提供的一种获取BI-RADS等级的方法流程图；图3为本专利技术一个实施例提供的一种获取BI-RADS等级的系统的结构图；图4为本专利技术另一个实施例提供的一种获取BI-RADS等级的系统的结构图；图5为本专利技术再一个实施例提供的相邻BI-RADS等级KDE密度分布图；图6为本专利技术再一个实施例提供的相邻BI-RADS等级KDE密度分布图；图7为本专利技术再一个实施例提供的相邻BI-RADS等级KDE密度分布图；图8为本专利技术再一个实施例提供的相邻BI-RADS等级KDE密度分布图；图9为本专利技术再一个实施例提供的相邻BI-RADS等级本文档来自技高网...

【技术保护点】
1.一种获取BI-RADS等级的方法，其特征在于，所述方法包括：/n根据乳腺影像数据的集合对待训练良/恶性肿瘤二分类模型进行训练，所述乳腺影像数据包括：第一乳腺影像数据和第二乳腺影像数据，所述第一乳腺影像数据为已标注乳腺影像报告和数据系统BI-RADS等级的乳腺影像数据，所述第二乳腺影像数据为未标注BI-RADS等级的乳腺影像数据；/n根据所述第一乳腺影像数据的集合获取待训练良/恶性肿瘤二分类模型的预测值对应的BI-RADS等级；/n根据所述预测值对应的每个BI-RADS等级的密度，确定具有多个BI-RADS等级对应关系的预测值对应的唯一BI-RADS等级，并建立预测值-BI-RADS等级的对应关系；/n通过所述第二乳腺影像数据对已训练良/恶性肿瘤二分类模型进行预测，获取所述第二乳腺影像数据对应的预测值；/n将所述第二乳腺影像数据对应的预测值与所述预测值-BI-RADS等级的对应关系进行比较，获取所述第二乳腺影像数据对应的BI-RADS等级。/n

【技术特征摘要】
1.一种获取BI-RADS等级的方法，其特征在于，所述方法包括：
根据乳腺影像数据的集合对待训练良/恶性肿瘤二分类模型进行训练，所述乳腺影像数据包括：第一乳腺影像数据和第二乳腺影像数据，所述第一乳腺影像数据为已标注乳腺影像报告和数据系统BI-RADS等级的乳腺影像数据，所述第二乳腺影像数据为未标注BI-RADS等级的乳腺影像数据；
根据所述第一乳腺影像数据的集合获取待训练良/恶性肿瘤二分类模型的预测值对应的BI-RADS等级；
根据所述预测值对应的每个BI-RADS等级的密度，确定具有多个BI-RADS等级对应关系的预测值对应的唯一BI-RADS等级，并建立预测值-BI-RADS等级的对应关系；
通过所述第二乳腺影像数据对已训练良/恶性肿瘤二分类模型进行预测，获取所述第二乳腺影像数据对应的预测值；
将所述第二乳腺影像数据对应的预测值与所述预测值-BI-RADS等级的对应关系进行比较，获取所述第二乳腺影像数据对应的BI-RADS等级。


2.如权利要求1所述的方法，其特征在于，所述根据第一乳腺影像数据的集合获取待训练良/恶性肿瘤二分类模型的预测值对应的BI-RADS等级，包括：
获取第一乳腺影像数据的集合；
根据所述第一乳腺影像数据的集合对所述待训练良/恶性肿瘤二分类模型进行训练，获取对应的预测值。


3.如权利要求1所述的方法，其特征在于，所述根据所述预测值对应的每个BI-RADS等级的密度，确定具有重叠BI-RADS等级关系的预测值对应的唯一BI-RADS等级，包括：
将密度较大的BI-RADS等级确定为所述预测值的BI-RADS等级。


4.如权利要求1-3任一项所述的方法，其特征在于，所述预测值-BI-RADS等级的对应关系绘制为核密度估计KDE密度分布图。


5.如权利要求1-3任一项所述的方法，其特征在于，所述第一乳腺影像数据和第二乳腺影像数据包括：乳腺钼靶图像、乳腺二维手动超声图像、乳腺三维自动超声图像、乳腺核磁共振图像。


6.一种获取BI-RADS等级的系统，其特征在...

【专利技术属性】
技术研发人员：王明阳，戚雨霁，梁浈，王玲，
申请(专利权)人：上海深博医疗器械有限公司，
类型：发明
国别省市：上海;31