一种乳腺钼靶病灶检测方法及系统技术方案

本发明专利技术提供了一种乳腺钼靶病灶检测方法及系统，所述方法包括获取历史钼靶影像数据，对所述历史钼靶影像数据进行钼靶标注；将影像按照窗值选取若干窗口，并将选取的窗口进行归一化处理，作为训练模型的输入；对输入的无标注的影像数据集进行无监督训练，得到中间表示状态，对输入的有标注的影像数据集训练，调节所述中间表示状态的信息，得到训练模型；将待检测钼靶影像数据进行归一化处理后输入所述训练模型，得到钼靶病灶的检测结果。本发明专利技术使用大量临床数据进行训练，得到预测模型，用于对乳腺钼靶病灶进行检测分析，得到各种病灶的详细检测结果，能够快速准确的对钼靶中病灶进行检测，诊断更加专业、快速。快速。快速。

【技术实现步骤摘要】
一种乳腺钼靶病灶检测方法及系统


[0001]本专利技术涉及人工智能
，尤其是一种乳腺钼靶病灶检测方法及系统。

技术介绍

[0002]世界卫生组织提出，1/3的癌症是完全可以预防的，1/3的癌症可以通过早期发现得到根治，1/3的癌症可以通过现有的医疗措施延长生命、减轻痛苦、改善生命质量。由于两癌筛查是目前防控乳腺癌、宫颈癌的有效手段，因此为实现对宫颈癌、乳腺癌的有效控制，尽早进行女性“两癌”筛查是非常有必要的。
[0003]其中乳腺钼靶是进行乳腺癌筛查的最常见方法。医院通过乳腺钼靶进行筛查存在以下问题：资深乳腺钼靶诊断专家极度稀缺，基层医疗机构中医师更是凤毛麟角，特别是基层医院对乳腺钼靶诊断缺乏专业能力，往往会将钼靶上传给上级医院，需要更加专业的医生进行诊断分析。这样会浪费大量的时间，患者无法快速拿到检查结果；资深乳腺钼靶诊断专家极度稀缺，基层医疗机构中医师更是凤毛麟角，特别是基层医院对乳腺钼靶诊断缺乏专业能力，往往会将钼靶上传给上级医院，需要更加专业的医生进行诊断分析。这样会浪费大量的时间，患者无法快速拿到检查结果。

技术实现思路

[0004]本专利技术提供了一种乳腺钼靶病灶检测方法及系统，用于解决现有检测效率低的问题。
[0005]为实现上述目的，本专利技术采用下述技术方案：
[0006]本专利技术第一方面提供了一种乳腺钼靶病灶检测方法，所述方法包括以下步骤：
[0007]获取历史钼靶影像数据，对所述历史钼靶影像数据进行钼靶标注；
[0008]将影像按照窗值选取若干窗口，并将选取的窗口进行归一化处理，作为训练模型的输入；
[0009]对输入的无标注的影像数据集进行无监督训练，得到中间表示状态，对输入的有标注的影像数据集训练，调节所述中间表示状态的信息，得到训练模型；
[0010]将待检测钼靶影像数据进行归一化处理后输入所述训练模型，得到钼靶病灶的检测结果。
[0011]进一步地，所述窗口的选取具体为：
[0012]选取窗值[0,3500]作为全局窗，选取窗值为[500,3500]作为钙化窗，选取窗值[0,3000]作为肿块窗。
[0013]进一步地，所述钼靶病灶包括良性钙化、肿块、肿块伴钙化、可疑钙化、淋巴结肿大、非对称致密、非对称致密伴钙化、结构扭曲、结构扭曲伴钙化、皮肤增厚、皮肤收缩、乳头凹陷。
[0014]进一步地，所述方法还包括对于所述检测结果中存在的良性钙化形状进行分类，具体过程为：
[0015]构建良性钙化形状数据集，对数据集中良性钙化形状进行标注；
[0016]将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；
[0017]采用增加孔洞卷积的ResNet50网络进行训练，得到良性钙化分类预测模型；
[0018]基于所述良性钙化分类预测模型，对待检测影像中的良性钙化形状分类进行预测。
[0019]进一步地，所述增加孔洞卷积的ResNet50网络具体为：
[0020]在ResNet50的Stage1、Stage2、Stage3的输出分支上分别用3*3空洞卷积进行卷积；
[0021]在ResNet50的Stage4的输出分支上进行1*1卷积；
[0022]经上述两步卷积后得到4个卷积结果，通过SPP结构把四个卷积分支进行融合，得到最终图片特征表示方式。
[0023]进一步地，所述方法还包括对所述检测结果中存在的可疑钙化分布及形状进行分析，具体过程为：
[0024]构建可疑钙化分布和形状数据集，在数据集中标注可疑钙化形状；
[0025]将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；
[0026]采用增加孔洞卷积的ResNet50网络进行训练，得到可疑钙化分布及形状预测模型；
[0027]基于所述可疑钙化分布及形状预测模型，对待检测影像中的可疑钙化形状分类进行预测。
[0028]进一步地，所述方法还包括对于所述检测结果中存在的肿块进行分析，预测肿块形状、密度和边缘，具体过程为：
[0029]构建肿块形状、密度和边缘数据集，对数据集中肿块的形状和边缘进行标注；
[0030]将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；
[0031]采用增加孔洞卷积的ResNet50网络进行训练，得到肿块形状及边缘的预测模型；
[0032]基于所述肿块形状及边缘的预测模型，对待检测影像中的肿块形状、边缘和密度进行预测。
[0033]进一步地，所述方法还包括对于检测结果中存在的腺体类型和改变方式进行分类，具体过程为：
[0034]构建腺体类型和改变方式数据集，对数据集中LCC和RCC两种轴位图像对腺体类型和腺体改变方式进行标注；
[0035]将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；
[0036]采用增加孔洞卷积的ResNet50网络进行训练，得到腺体类型和改变方式的预测模型；
[0037]基于所述腺体类型和改变方式的预测模型，对待检测影像中的腺体类型和改变方式进行预测。
[0038]本专利技术第二方面提供了一种乳腺钼靶病灶检测系统，所述系统包括：
[0039]钼靶标注单元，用于获取历史钼靶影像数据，对所述历史钼靶影像数据进行钼靶标注；
[0040]图像处理单元，用于将影像按照窗值选取若干窗口，并将选取的窗口进行归一化处理，作为训练模型的输入；
[0041]模型训练单元，用于对输入的无标注的影像数据集进行无监督训练，得到中间表示状态，对输入的有标注的影像数据集训练，调节所述中间表示状态的信息，得到训练模型；
[0042]病灶预测单元，用于将待检测钼靶影像数据进行归一化处理后输入所述训练模型，得到钼靶病灶的检测结果。
[0043]进一步地，所述系统还包括：
[0044]良性钙化分析单元，用于对所述检测结果中良性钙化形状的分类；
[0045]可疑钙化分析单元，用于对所述检测结果中可疑钙化分布及形状检测；
[0046]肿块分析单元，用于对所述检测结果中肿块形状、密度和边缘的分析；
[0047]腺体分析单元，用于对所述检测结果中腺体类型和腺体改变方式的分类。
[0048]本专利技术第二方面的所述检测系统能够实现第一方面及第一方面的各实现方式中的方法，并取得相同的效果。
[0049]
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
[0050]本专利技术使用大量临床数据进行训练，得到预测模型，用于对乳腺钼靶病灶进行检测分析，同时对于检测结果基于具体的病灶类型进行进一步地训练分析，得到各种病灶的详细检测结果，能够快速准确的对钼靶中病灶进行检测，并且形成专业的结构化报告，医院医生特别是基层医院医生能够根据智能诊断结果快速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乳腺钼靶病灶检测方法，其特征是，所述方法包括以下步骤：获取历史钼靶影像数据，对所述历史钼靶影像数据进行钼靶标注；将影像按照窗值选取若干窗口，并将选取的窗口进行归一化处理，作为训练模型的输入；对输入的无标注的影像数据集进行无监督训练，得到中间表示状态，对输入的有标注的影像数据集训练，调节所述中间表示状态的信息，得到训练模型；将待检测钼靶影像数据进行归一化处理后输入所述训练模型，得到钼靶病灶的检测结果。2.根据权利要求1所述乳腺钼靶病灶检测方法，其特征是，所述窗口的选取具体为：选取窗值[0,3500]作为全局窗，选取窗值为[500,3500]作为钙化窗，选取窗值[0,3000]作为肿块窗。3.根据权利要求1所述乳腺钼靶病灶检测方法，其特征是，所述钼靶病灶包括良性钙化、肿块、肿块伴钙化、可疑钙化、淋巴结肿大、非对称致密、非对称致密伴钙化、结构扭曲、结构扭曲伴钙化、皮肤增厚、皮肤收缩、乳头凹陷。4.根据权利要求3所述乳腺钼靶病灶检测方法，其特征是，所述方法还包括对于所述检测结果中存在的良性钙化形状进行分类，具体过程为：构建良性钙化形状数据集，对数据集中良性钙化形状进行标注；将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；采用增加孔洞卷积的ResNet50网络进行训练，得到良性钙化分类预测模型；基于所述良性钙化分类预测模型，对待检测影像中的良性钙化形状分类进行预测。5.根据权利要求4所述乳腺钼靶病灶检测方法，其特征是，所述增加孔洞卷积的ResNet50网络具体为：在ResNet50的Stage1、Stage2、Stage3的输出分支上分别用3*3空洞卷积进行卷积；在ResNet50的Stage4的输出分支上进行1*1卷积；经上述两步卷积后得到4个卷积结果，通过SPP结构把四个卷积分支进行融合，得到最终图片特征表示方式。6.根据权利要求3所述乳腺钼靶病灶检测方法，其特征是，所述方法还包括对所述检测结果中存在的可疑钙化分布及形状进行分析，具体过程为：构建可疑钙化分布和形状数据集，在数据集中标注可疑钙化形状；将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；采用增加孔洞卷积的ResNe...

【专利技术属性】
技术研发人员：刘磊，鞠海涛，樊昭磊，李传朋，张嵩，郭凯峰，
申请(专利权)人：山东众阳健康科技集团有限公司，
类型：发明
国别省市：