乳房医学图像处理系统和方法技术方案

数字乳房断层合成(DBT)可以提供比全场数字乳房X线照相术(FFDM)更丰富的信息。可以基于深度学习技术(诸如使用神经网络)来处理诸如DBT切片的DBT数据，并且可以将DBT切片划分成组，并且可以基于该分组导出预定数量的代表性图像。神经网络可以被配置为处理代表性图像，以预测诸如乳腺癌的乳房疾病的存在或不存在。在。在。

【技术实现步骤摘要】
乳房医学图像处理系统和方法


[0001]本申请涉及医学图像处理领域，尤其是乳房相关的医学图像处理系统和方法。

技术介绍

[0002]乳腺癌是世界各地女性常见的死亡原因，占每年新增癌症病例的很大一部分，每年造成数十万人死亡。早期筛查和检测是改善乳腺癌治疗结果的关键，并且可以通过乳房X线照相术检查来完成。然而，常规乳房X线照相术是二维(2D)成像模态，其涉及将从受压乳房收集的信息投影成2D图像。由于来自感兴趣病变部位(pathology)上方和下方的对象的信号在投影期间可能聚集在一起，所以使用常规乳房X线照相术获得的2D图像可能包括组织重叠区域和结构噪声，从而使得难以检测潜在的乳房疾病(例如，病变)并且经常导致假阳性或假阴性结果。

技术实现思路

[0003]本文描述了与处理数字乳房断层合成(DBT)数据(诸如DBT图像)相关联的系统、方法和装置。一种能够执行这种任务的设备可以包括至少一个处理器，其可被配置为：获得乳房的多个切片图像(例如DBT切片)，将多个切片图像分组成多个组，基于分组导出乳房的预定数量的代表性图像，以及通过人工神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乳房医学图像处理设备，包括至少一个处理器，其被配置为：获得乳房的多个切片图像，其中，所述切片图像基于从不同角度捕捉的所述乳房的X射线图像进行重建；将所述多个切片图像分组为多个组，其中，所述多个组中的每个组包括所述多个切片图像的子集；基于所述分组导出所述乳房的预定数量的代表性图像，其中，针对所述多个组中的每个组导出的所述乳房的一个或多个代表性图像是基于包括在所述组中的切片图像的所述子集的相应统计概要而导出的；以及通过人工神经网络ANN处理所述预定数量的代表性图像，其中，所述ANN被训练为检测所述乳房中的异常，并且所述处理的结果为对所述异常的预测。2.根据权利要求1所述的设备，其中，所述ANN包括具有多个输入通道的二维卷积神经网络2D CNN，并且所述预定数量的代表性图像的数量等于所述2D CNN的输入通道的数量。3.根据权利要求1所述的设备，其中，所述ANN包括三维卷积神经网络3D CNN，并且所述预定数量的代表性图像的数量是基于所述3D CNN的一个维度来确定的。4.根据权利要求1所述的设备，其中，所述至少一个处理器被配置为导出所述乳房的所述预定数量的代表性图像，包括：所述至少一个处理器被配置为基于包括在所述多个组中的每个组中的切片图像的所述子集针对所述组导出所述乳房的一个或多个代表性图像。5.根据权利要求4所述的设备，其中，所述多个组中的每个组中的切片图像的所述子集的所述统计概要包括所述组中的切片图像的所述子集的最大值、最小值、平均值、标准偏差、主成分分析或奇异值分解中的一个或多个。6.根据权利要求1所述的设备，其中，基于第一序列号集对所述乳房的所述...

【专利技术属性】
技术研发人员：陈章，孙善辉，陈潇，刘毅康，陈德仁，
申请(专利权)人：联影智能医疗科技北京有限公司，
类型：发明
国别省市：