一种结节分级方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种结节分级方法、装置、电子设备及存储介质，属于智能医疗技术领域。该方法包括获得待测乳腺区域的乳腺超声图像，提取所述待测乳腺区域的乳腺超声图像中某一处或多处的病灶区域图像；将所述病灶区域图像输入预置的特征提取网络模型，提取第一特征向量；计算所述第一特征向量与预置标签库中第二特征向量的相似度；根据所述相似度确定所述第一特征向量对应的病灶区域图像在BI

【技术实现步骤摘要】
一种结节分级方法、装置、电子设备及存储介质


[0001]本专利技术属于智能医疗
，具体地说，涉及一种结节分级方法、装置、电子设备及存储介质。

技术介绍

[0002]医疗领域，对诸如乳腺和甲状腺等结节的研究，日益引起广泛关注。通说认为，结节是癌症最重要的早期征象之一，根据结节的病变特征能够推断出病灶特性。其中，乳腺超声图像处理目前主要都是通过人工的方式发现图像中的结节并对结节按照BIRADS标准进行分级，然而各个地区医疗资源不平衡，采用人工智能技术自动分级对医疗资源缺乏的区域进行乳腺癌早筛有重大意义。
[0003]目前，结节自动分级大多通过图像分类的方法，例如使用深度神经网络(AlexNet，Resnet， VGG，Inception等)分类的方法，具体可以参见中国专利公开号为：CN111768366A，CN 110599476A，CN111000589 A。又例如使用传统方法提取特征再训练分类器的方法(SVM、KNN、 boosting等)，具体可以中国专利公开号为CN 111768366A，CN109308488A，CN1090本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结节分级方法，其特征在于，所述方法包括：获得待测乳腺区域的乳腺超声图像，提取所述待测乳腺区域的乳腺超声图像中某一处或多处的病灶区域图像；将所述病灶区域图像输入预置的特征提取网络模型，提取第一特征向量；计算所述第一特征向量与预置标签库中第二特征向量的相似度；其中所述第二特征向量与预置标签库中BI
‑
RADS分级标准相对应；根据所述相似度确定所述第一特征向量对应的病灶区域图像在BI
‑
RADS中分级结果。2.根据权利要求1所述的一种结节分级方法，其特征在于，提取所述待测乳腺区域的乳腺超声图像中某一处或多处的病灶区域图像步骤包括：检测待测乳腺区域的乳腺超声图像，获取所述待测乳腺区域的乳腺超声图像中某一处或多处的病灶区域的裁剪窗；以目标区域像素的最小裁剪窗中心点为中心，目标区域像素的最大的裁剪窗的长度和高度进行裁剪获得第一区域图像；将所述第一区域图像的越界区域填充，获得所述病灶区域图像。3.根据权利要求2所述的一种结节分级方法，其特征在于，所述的预置标签库包括多组子属性库，所述子属性与BI
‑
RADS分级的标准对应；所述第二特征向量包括分别与所述多组子属性库对应的子特征向量；计算第一特征向量分别与所述子特征向量的相似度；根据所述第一特征向量对应的病灶区域分别在多组子属性库中的属性；确定所述第一特征向量对应的病灶区域图像在BI
‑
RADS中分级结果。4.根据权利要求1所述的一种结节分级方法，其特征在于，所述预置的特征提取网络模型的自监督训练步骤包括：构建训练集，将训练集中的每张原图像进行图片增广，获得与所述原图片对应的增广图像；提取与原图像对应的第一特征，提取与增广图像对应的第二特征；将第一特征通过特征映射获得第三特征；所述第三特征维度与第一特征维度相同；将第三特征与第二特征的余弦相似度作为损失函数，训练并更新整个网络模型。5.根据权利要求4所述的一种结节分级方法，其特征在于，所述损失函数的公式为：其中，Loss的取值范围是[0,1]，由于所述原始图像和增广的图像为同类，确定网络优化的目标...

【专利技术属性】
技术研发人员：程栋梁，张泉，谢蠡，刘振，
申请(专利权)人：合肥合滨智能机器人有限公司，
类型：发明
国别省市：