【技术实现步骤摘要】
一种针对乳腺X线图像整体性质量异常的检测方法及装置
[0001]本专利技术涉及图像处理
，尤其涉及一种乳腺X线图像整体性质量异常的检测方法及装置。
技术介绍
[0002]目前，乳腺癌是全球女性中最常见的癌症，约占所有女性癌症的25％，乳腺癌的早期诊断对于患者生存至关重要。在乳腺癌的诊断中，首先由拍摄技师为患者拍摄乳腺X线图像，之后由专业医生或者AI系统进行病灶诊断。因此乳腺X线图像的拍摄质量对于后续的诊断有着重要的影响。然而，日常拍摄中经常出现拍摄不规范的情况，尤其是基层医院拍摄技师经验水平不足导致成像质量较差，严重影响病灶的诊断。
[0003]对于乳腺X线成像，常规拍摄位包括左乳头尾位LCC、左乳内外斜位LMLO、右乳头尾位RCC，右乳内外斜位RMLO。上述拍摄位中可能存在的整体性异常有三类：腺体包含不全、胸大肌摄入不全，以及拍摄时曝光过度或不足导致图像质量不佳。例如：腺体包含不全是指在拍摄时没有将乳腺腺体完整地包含进去，由于肿块，钙化等病灶一般出现在腺体中，若腺体未拍摄完全则可能导致关键病灶的漏检。在拍摄内...
【技术保护点】
【技术特征摘要】
1.一种针对乳腺X线图像整体性质量异常的检测方法，其特征在于，包括：将第一异常乳腺X线图像数据和正常乳腺X线图像数据组成第一训练样本数据；其中第一异常乳腺X线图像数据是基于异常乳腺X线图像数据对应异常种类的原有分布进行均匀采样得到的；将第二异常乳腺X线图像数据和正常乳腺X线图像数据组成第二训练样本数据；其中，第二异常乳腺X线图像数据是基于异常乳腺X线图像数据对应异常种类的原有分布进行倒置采样得到的；第一异常乳腺X线图像数据和第二异常乳腺X线图像数据中每个异常乳腺X线图像均携带有对应的异常种类标签，正常乳腺X线图像数据携带有正常种类标签；针对所述第一训练样本数据中任一第一训练样本和所述第二训练样本数据中任一第二训练样本：分别对所述第一训练样本和所述第二训练样本进行特征提取，得到对应的第一特征图和对应的第二特征图；对所述第一特征图和所述第二特征图分别施加对应的权重，并将施加权重后的第一特征图和第二特征图进行特征融合，得到融合特征图；对多个融合特征图进行有监督的分类训练，得到异常检测模型。2.根据权利要求1所述的方法，其特征在于，所述分别对所述第一训练样本和所述第二训练样本进行特征提取，得到对应的第一特征图和对应的第二特征图，包括：利用共享残差网络对所述第一训练样本进行特征提取，得到对应的第一特征图；利用共享残差网络对所述第二训练样本进行特征提取，得到对应的第二特征图。3.根据权利要求1所述的方法，其特征在于，所述对所述第一特征图和所述第二特征图分别施加对应的权重，并将施加权重后的第一特征图和第二特征图进行特征融合，得到融合特征图；包括：利用第一输出层对所述第一特征图进行特征提取，得到第一输出特征图；利用第二输出层对所述第二特征图进行特征提取，得到第二输出特征图；基于适配器分别对所述第一输出特征图和所述第二输出特征图施加不同权重；将施加权重后的第一输出特征图和施加权重后的第二输出特征图进行特征融合，得到融合特征图。4.根据权利要求2所述的方法，其特征在于，所述利用共享残差网络对所述第一训练样本进行特征提取，得到对应的第一特征图，包括：利用输入层对所述第一训练样本进行特征提取，得到第一输入特征图；将所述第一输入特征图依次经过多个残差网络层进行特征提取，得到第一特征图；其中，所述残差网络层依次包括降采样层和多个连续的聚合残差瓶颈结构。5.根据权利要求1所述的方法，其特征在于，还包括：获取原始异常乳腺X线图像数据和原始正常乳腺X线图像数据；分别对所述原始异常乳腺X线图像数据和所述原始正常乳腺X线图像数据进行体位识别处理，得到体位正确的原始异常乳腺X线图像数据和体位正确的原始正常乳腺X线图像数据；对所述体位正确的原始异常乳腺X线图像数据进行预处理，得到异常乳腺X线图像数据；对所述体位正确的原始正常乳腺X线图像数据进行预处理，得到正常乳腺X线图像数
据。6.根据权利要求5所述的方法，其特征在于，所述对所述体位正确的原始异常乳腺X线图像数据进行预处理，得到异常乳腺X线图像数据，包括：对所述体位正确的原始异常乳腺X线图像数据进行标准化处理，得到若干标准化异常乳腺X线图像；其中，若干标准化异常乳腺X线图像具有相同像素分布以及像素值范围；将针对任一标准化异常乳腺X线图像：移除所述标准化异常乳腺X线图像中文字信息，得到去除文字信息后的图像；将所述去除文字信息后的...
【专利技术属性】
技术研发人员：王雅倩，王子腾，邹明甫，李新娟，丁佳，吕晨翀，
申请(专利权)人：北京医准智能科技有限公司，
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。