【技术实现步骤摘要】
一种基于钼靶影像的病变区域量化方法
[0001]本专利技术专利涉及医疗辅助诊断领域,尤其涉及乳腺疾病的病变区量化方法。
技术介绍
[0002]随着社会经济的发展,人们生活方式已经发生很大改变,性成熟期提前、绝经期延后、不生育、晚生育、不哺乳、焦虑、不良情绪、肥胖、高热量及高脂肪饮食的摄入、不健康的生活方式等生活环境因素,使乳腺疾病发病率逐年增高,其中以乳腺癌最为突出,乳腺癌是女性多发、常见恶性肿瘤疾病之一,对女性身心健康及生活质量造成了严重威胁。乳腺癌在全球癌症发病率中排名第一,死亡率排名第五。近年来中国乳腺癌发病率和死亡率呈上升趋势:2013年与1990年相比,乳腺癌是增长最快的癌症之一,女性发病例数从94777例到260156例,增长了1.74倍,同时随着分级诊疗的建立,乳腺癌的防治在中国已经越来越受到重视。
[0003]乳腺癌是早期筛查效果最好的癌症之一,使用乳腺疾病筛查技术能够有效预防和尽早治疗乳腺疾病。钼靶是国际公认的最重要的乳腺疾病筛查手段,钼靶的原理是X射线照射乳房组织,投射后产生影像结果,X射线在帮助医生发现身体结构异常。然而临床乳腺检查多依靠临床医生经验,如图1所示,是由有经验的影像医生标注的结果,图像中包含多个癌变和钙化的位置,这对于评估乳腺疾病的类型是至关重要的,但是也可以看出图像还是存在漏标的位置,所以自动化的辅助诊断就显得更加重要。自动化的辅助诊断手段作为一种有效的辅助方法,目前已经在许多领域都得到了验证,未来会在很大程度上帮助基层医院建立更好的诊断方法,来弥补基层医生的经验不足的问 ...
【技术保护点】
【技术特征摘要】
1.一种基于钼靶影像的病变区域量化方法,其特征在于,包括:通过efficientdet
‑
d8网络和YOLOV5网络进行乳腺病变区域检测网络训练,得到检测模型;通过Unet网络结构进行乳腺病变区域分割训练,根据乳腺钼靶影像的尺寸分成两个Unet网络结构训练,大的病变区域进行分割网络训练,小的病变区域训练分割模型;得到检测模型和分割模型之后,分别进行验证;将采集的基于乳腺钼靶影像,通过检测模型和分割模型计算出病变区域所在位置,通过分割结果计算病变区域大小和密度分布,通过检测结果得到良恶性置信分数,通过对病变区域的定位和量化,提供诊断帮助信息。2.如权利要求1所述的方法,其特征在于,通过efficientdet
‑
d8网络和YOLOV5网络进行乳腺病变区域检测网络训练,得到检测模型包括:步骤1、准备检测数据,做成检测网络训练需要的数据集;步骤2、将缩放和切片的图像分别进行数据增广;步骤3、将增广的数据分别输入到检测网络中进行训练,检测网络包含efficientdet
‑
d8网络和YOLOV5网络训练,得到检测模型。3.如权利要求2所述的方法,其特征在于,步骤1具体包括:将乳腺钼靶筛查机器的检测图像进行处理,包括:将高像素的图像切片成1280*1280像素,重叠系数为0.2,和/或使用双线性插值方法将图像缩放到1280*1280像素。4.如权利要求2所述的方法,其特征在于,数据增广包括:裁剪、旋转、平移、缩放、色彩空间调整、马赛克增广、自对抗训练增广、多图组合、混合增强MixUp、随机遮挡Cutout和图像遮挡至少一种。5.如权利要求2所述的方法,其特征在于,步骤3将增广后的数据分别输入到两个efficientdet
‑
d8网络和两个YOLOV5网络进行训练,其中YOLOV5的参数为输入图像大小=1280,训练集中的所有样本训练次数epoch=100、一次迭代使用的样本数batchsize=16、良恶的类别=1、学习率=0.0001、子进程数num_workers=4,得到两个YOLOV5网络模型;efficientdet
‑
d8的参数为输入图像大小=1280、训练集中的所有样本训练次数epoch=80,一次迭代使用的样本数Batchsize=8、良恶的类别=1、学习率...
【专利技术属性】
技术研发人员:童云飞,张超仁,邓天然,
申请(专利权)人:上海仰和华健人工智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。