【技术实现步骤摘要】
一种乳腺超声视频病变分割方法
[0001]本专利技术属于计算机辅助诊断
，涉及一种乳腺超声视频病变分割方法。
技术介绍
[0002]乳腺癌是女性三大恶性肿瘤之一,已成为当前社会的重大公共卫生问题，全球乳腺癌发病率自上世纪70年代末开始一直呈上升趋势。据国家癌症中心和卫生部疾病预防控制局2020年公布的癌症发病数据显示：乳腺癌超过人类发病率最高的肺癌，成为目前女性发病与死亡占比最高的癌症。乳腺癌的治疗效果取决于乳腺肿瘤的早期诊断和治疗，早期原位癌的治愈率为95％，而晚期的乳腺癌则很难治愈。超声检查凭借其无创、无辐射、成像速度快、敏感性强、检查价格相对较低、操作简单便捷等优势被作为乳腺癌首选影像学检查和术前评估方法。近年来机器学习尤其是深度学习被应用于乳腺超声图像病变分割的研究中。实际上，超声成像扫查过程是动态的，如果能综合连续帧图像的信息，能克服仅利用单帧图像分割结果易受超声图像模糊的边界和背景噪声的干扰的问题，进而提高分割的准确度。
[0003]为了获得基于深度学习的视频病变分割模型，通常需要在收集的超声视频数...
【技术保护点】
【技术特征摘要】
1.一种乳腺超声视频病变分割方法，其特征在于：具体包括如下步骤：步骤1，通过主干网络进行视频连续帧的特征提取，通过提取每一帧的特征并将所有的特征图拼接在一起得到连续帧的特征图；步骤2，将步骤1所得的特征图经过Transformer模块依次进行编码和解码，得到按照原始视频帧序列的顺序输出的学习到的实例查询；步骤3，对步骤2学习到的实例查询通过FC预测类别，通过MLP分别预测包围盒和分割掩码向量，得到固定大小的按照原始视频帧序列的顺序输出的目标实例的类别、包围盒、分割掩码向量，使得网络能对类别、包围盒、分割掩码统一进行预测；步骤4，对步骤3所得结果进行实例序列匹配并进行损失函数计算。2.根据权利要求1所述的一种乳腺超声视频病变分割方法，其特征在于：所述步骤1的具体过程为：假设初始视频剪辑的T帧分辨率为H0×
W0,表示为主干网络选用ResNet50或者ResNet100，为每一帧生成一个较低分辨率的特征图，通过提取每一帧的特征并将所有的特征图拼接在一起得到连续帧的特征图3.根据权利要求2所述的一种乳腺超声视频病变分割方法，其特征在于：所述步骤1的具体过程为：所述步骤2中，Transformer模块包括Transformer编码器E和Transformer解码器D。4.根据权利要求3所述的一种乳腺超声视频病变分割方法，其特征在于：所述步骤2的编码过程为：首先应用1
×
1卷积，将主干网络提取到的特征图的维度从C减少到d，从而产生新的特征图为了形成一个可以输入到Transformer编码器的剪辑级特征序列，将f1的空间和时间维度展平为一维，从而得到大小为d
×
(T
×
H
×
W)的二维特征图；时间顺序始终与初始输入的顺序一致；Transformer编码器由K个Transformer编码层构成；将f1输入Transformer编码器的K个Transformer编码层，通过迭代优化特征图f
k
。5.根据权利要求4所述的一种乳腺超声视频病变分割方法，其特征在于：所述步骤2的编码过程为：每个所述Transformer编码层E
k
(
·
)包括一个多头自注意力模块和一个全连接前馈网络。6.根据权利要求4所述的一种乳腺超声视频病变分割方法，其特征在于：所述步骤2中，为了体现视频连续帧在x、y维度、和时间维度T的特征，使用固定位置编码信息来补充上述特征，对于每个维度的坐标，独立使用不同频率的d/3正弦和余弦函数：其中，pos
‘
pos
’
是对应维度中的位置，d可以被3整除，因为三个维度的位置编码连接起来形成最终的d通道位置编码。7.根据权利要求3所述的一种乳腺超声视频病变分割方法，其特征在于：所述Tran sformer解码器D的解码过程为：假设模型每帧解码n个实例，那么对于T帧，实例查询总数为
N＝n
·
T；首先，随机初始化一组可学习的实例查询然后初始对象查询q0与K个Transformer解码器层中的细化特征图f
K
交互,来获得实例感知查询嵌入与Transformer编码器层相比，每个Transformer解码器层D
k
...
【专利技术属性】
技术研发人员：刘平，王琼，赵保亮，胡颖，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。