一种乳腺超声结节检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种乳腺超声结节检测方法、装置、电子设备及计算机可读存储介质。本发明专利技术提供的乳腺超声结节检测方法，包括：获取原始乳腺超声图像；将所述原始乳腺超声图像输入至训练完备的目标检测网络中，获取组织分布预测热图，其中，所述目标检测网络的训练过程为，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，得到训练完备的目标检测网络；将所述原始乳腺超声图像与所述组织分布预测热图相融合，将融合后的图像输入至所述训练完备的目标检测网络，得到乳腺结节检测结果。本发明专利技术的乳腺超声结节检测方法，提高了乳腺结节的检测精确度。提高了乳腺结节的检测精确度。提高了乳腺结节的检测精确度。

A breast ultrasonic nodule detection method, device, electronic equipment and storage medium

【技术实现步骤摘要】
一种乳腺超声结节检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及乳腺结节检
，尤其涉及一种乳腺超声结节检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]乳腺结节是一种症状，常见于乳腺增生(可形成乳腺囊肿)及乳腺肿瘤性疾病，包括乳腺良性肿瘤(如乳腺纤维瘤、分叶状肿瘤等)以及乳腺恶性肿瘤(乳腺癌)。乳腺结节具有发病率高的特点，超声是乳腺结节检查重要手段，但是目前靠医生检查较耗时，且由于医生资历不一，会出现漏诊误诊状况，如将导管判断为结节等。虽然计算机辅助诊断是新技术，可提高阅片效率，但目前有关乳腺超声检测的算法，对检测精确度的考虑较少，检测结果可能出现违反解剖结构常识的假阳，例如，在非乳腺部位(如脂肪甚至肌肉层)检测出了假阳。

技术实现思路

[0003]本专利技术的目的在于提供一种乳腺超声结节检测方法、装置、电子设备及计算机可读存储介质，以解决现有技术中乳腺结节检测精确度较低的技术问题。
[0004]本专利技术的技术方案如下，提供了一种乳腺超声结节检测方法，包括如下步骤：
[0005]获取原始乳腺超声图像；
[0006]将所述原始乳腺超声图像输入至训练完备的目标检测网络中，获取组织分布预测热图，其中，所述目标检测网络的训练过程为，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，得到训练完备的目标检测网络；
[0007]将所述原始乳腺超声图像与所述组织分布预测热图相融合，将融合后的图像输入至所述训练完备的目标检测网络，得到乳腺结节检测结果。
[0008]进一步地，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，包括：
[0009]将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，输出组织分布预测热图；
[0010]将当前的所述组织分布预测热图与原始乳腺超声图像相融合，将融合后的图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，重新输出组织分布预测热图，重复执行上述步骤，直至达到预设执行次数。
[0011]进一步地，所述目标检测网络的结构包括backbone、特征金字塔网络、卷积层分割头以及pointhead，所述backbone、特征金字塔网络、卷积层分割头依次连接，所述特征金字塔网络还与所述pointhead连接。
[0012]进一步地，所述乳腺超声结节检测方法还包括，在将所述原始乳腺超声图像输入至所述目标检测网络后，所述backbone和特征金字塔网络提取所述原始乳腺超声图像中的多尺度特征，所述卷积层分割头将多尺度特征转换为组织分布预测热图，所述pointhead输
出乳腺结节检测结果。
[0013]进一步地，所述利用损失函数监督所述目标检测网络学习，包括：利用Dice损失函数约束所述组织分布预测热图，利用IoU损失函数与交叉熵损失函数约束所述乳腺结节检测结果，利用focalloss损失函数约束所述目标检测网络的前景与后景的分离。
[0014]进一步地，所述Dice损失函数的计算公式为所述IoU损失函数的计算公式为所述focalloss损失函数的计算公式为CE(p
t
)＝
‑
α
t
log(p
t
)，其中，DiceLoss为Dice损失，y
true
为组织分布图金标准，y
pred
为网络预测组织分布图，pixels为像素，IoULoss为IoU损失，A为已标注的乳腺结节边框，B为网络预测的乳腺结节边框，CE(p
t
)为focalloss损失，α
t
为权重，p为前后景概率图，y为图像为前景的概率。
[0015]进一步地，所述目标检测网络的训练过程还包括，对输入至所述目标检测网络的原始乳腺超声图像使用多尺度训练策略，通过带warmup的余弦退火学习率策略调整目标检测网络的学习率。
[0016]本专利技术的另一技术方案如下，提供了一种乳腺超声结节检测装置，包括图像获取模块、热图获取模块及检测模块；
[0017]所述图像获取模块，用于获取原始乳腺超声图像；
[0018]所述热图获取模块，用于将所述原始乳腺超声图像输入至训练完备的目标检测网络中，获取组织分布预测热图，其中，所述目标检测网络的训练过程为，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，得到训练完备的目标检测网络；
[0019]所述检测模块，用于将所述原始乳腺超声图像与所述组织分布预测热图相融合，将融合后的图像输入至所述训练完备的目标检测网络，得到乳腺结节检测结果。
[0020]本专利技术的另一技术方案如下，提供了一种电子设备，包括存储器、处理器，所述存储器存储有可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述一项技术方案所述的乳腺超声结节检测方法。
[0021]本专利技术的另一技术方案如下，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项技术方案所述的乳腺超声结节检测方法。
[0022]本专利技术的有益效果在于：获取原始乳腺超声图像，将原始乳腺超声图像输入至训练完备的目标检测网络中，获取组织分布预测热图，将原始乳腺超声图像与组织分布预测热图相融合，将融合后的图像输入至训练完备的目标检测网络，得到乳腺结节检测结果；通过上述方式，提高了乳腺结节的检测精确度。
附图说明
[0023]图1为本专利技术第一实施例的乳腺超声结节检测方法的流程示意图；
[0024]图2为本专利技术第一实施例的目标检测网络的结构示意图；
[0025]图3为本专利技术第二实施例的乳腺超声结节检测装置的结构示意图；
[0026]图4为本专利技术第三实施例的电子设备的结构示意图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本专利技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0029]图1是本专利技术第一实施例的乳腺超声结节检测方法的流程示意图。需注意的是，若有实质上相同的结果，本专利技术的乳腺超声结节检测方法并不以图1所示的流程顺序为限。如图1所示，该乳腺超声结节检测方法，主要包括以下步骤：
[0030]S101本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乳腺超声结节检测方法，其特征在于，包括如下步骤：获取原始乳腺超声图像；将所述原始乳腺超声图像输入至训练完备的目标检测网络中，获取组织分布预测热图，其中，所述目标检测网络的训练过程为，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，得到训练完备的目标检测网络；将所述原始乳腺超声图像与所述组织分布预测热图相融合，将融合后的图像输入至所述训练完备的目标检测网络，得到乳腺结节检测结果。2.根据权利要求1所述的乳腺超声结节检测方法，其特征在于，将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，包括：将所述原始乳腺超声图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，输出组织分布预测热图；将当前的所述组织分布预测热图与原始乳腺超声图像相融合，将融合后的图像输入至所述目标检测网络，利用损失函数监督所述目标检测网络学习，重新输出组织分布预测热图，重复执行上述步骤，直至达到预设执行次数。3.根据权利要求1所述的乳腺超声结节检测方法，其特征在于，所述目标检测网络的结构包括backbone、特征金字塔网络、卷积层分割头以及point head，所述backbone、特征金字塔网络、卷积层分割头依次连接，所述特征金字塔网络还与所述point head连接。4.根据权利要求3所述的乳腺超声结节检测方法，其特征在于，还包括，在将所述原始乳腺超声图像输入至所述目标检测网络后，所述backbone和特征金字塔网络提取所述原始乳腺超声图像中的多尺度特征，所述卷积层分割头将多尺度特征转换为组织分布预测热图，所述point head输出乳腺结节检测结果。5.根据权利要求4所述的乳腺超声结节检测方法，其特征在于，所述利用损失函数监督所述目标检测网络学习，包括：利用Dice损失函数约束所述组织分布预测热图，利用IoU损失函数与交叉熵损失函数约束所述乳腺结节检测结果，利用focalloss损失函数约束所述目标检测网络的前景与后景的分离。6.根据权利要求1所述的乳腺超声结节检测方法，其特征...

【专利技术属性】
技术研发人员：陈超，王铭宇，徐埌，黄凌云，刘玉宇，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：