基于人工智能的乳腺癌分级分析系统、方法、终端及介质技术方案

本申请提供基于人工智能的乳腺癌分级分析系统、方法、终端及介质，包括超声图像模块、钼靶图像模块及临床信息模块；超声图像模块和钼靶图像模块既可单独使用也可结合使用。单独使用超声图像模块可部署于超声科使用，单独使用钼靶图像模块可部署于放射科使用，适用部分影像缺失的场景。混合模块(混合有临床信息模块或没有临床信息模块)则可部署于乳腺外科使用。单独或混合使用的情况下，系统都会输出两种决策，即fine‑level病理层面和Coarse‑level影像BI‑RADS层面。本发明专利技术具有泛化能力强、模块化及临床适应性高、准确度高、可解释性高、分级决策能力强等技术效果。

【技术实现步骤摘要】

本申请涉及智慧医疗，特别是涉及医学影像分析、人工智能及计算机科学。

技术介绍

1、乳腺癌2020年正式超越肺癌成为全球第一大癌症。而且中国乳腺癌的发病率增速位居世界第一，是全球平均增速的两倍。早期发现和准确诊断对于治疗和预后都具有重要意义。乳腺钼靶筛查属于目前诊断乳腺方面疾病中最简单、最可靠的检测手段，但是对致密性乳腺组织穿透力差，一般不建议对40岁以下、无明确乳腺癌高危因素或临床体检未发现异常的妇女进行钼靶检查。

2、超声成像作为一种无创、低剂量、无辐射的检测技术，已经成为乳腺癌早期筛查的重要补充手段，也是临床诊断的常用工具。然而，由于乳腺组织的解剖结构较为复杂，涉及到多个成像模态multimodal和多角度multiview，因此单一成像方法往往难以得出准确的诊断结果。

3、因此，如何设计符合临床乳腺检查标准bi-rads altas，利用多模态多角度超声成像(b超、多普勒、弹性成像，横纵正交切面)和标准视角钼靶图像数据(cc和mlo视角)，提高乳腺癌的分级诊断准确率和可靠性，并进一步指导临床手术及治疗方案一直是医学影像领域的研本文档来自技高网...

【技术保护点】

1.一种基于人工智能的乳腺癌分级分析系统，其特征在于，包括超声图像模块、钼靶图像模块及临床信息模块；其中：

2.根据权利要求1所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述超声图像模块和钼靶图像模块中使用的神经网络模型的结构包括特征提取模块和特征融合模块。

3.根据权利要求2所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述特征提取模块包括：第一卷积神经网络、挤压和激励模块、第二卷积神经网络、自注意力机制模块、梯度加权的类激活热图模块；其中：

4.根据权利要求3所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述第一卷积神经网络输入...

【技术特征摘要】

1.一种基于人工智能的乳腺癌分级分析系统，其特征在于，包括超声图像模块、钼靶图像模块及临床信息模块；其中：

2.根据权利要求1所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述超声图像模块和钼靶图像模块中使用的神经网络模型的结构包括特征提取模块和特征融合模块。

3.根据权利要求2所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述特征提取模块包括：第一卷积神经网络、挤压和激励模块、第二卷积神经网络、自注意力机制模块、梯度加权的类激活热图模块；其中：

4.根据权利要求3所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述第一卷积神经网络输入同一模态下的两个不同视角的图像，分别为第一视角图像和第二视角图像；所述第一视角图像和第二视角图像分别为头尾位乳腺钼靶图像和内外侧斜位乳腺钼靶图像中的一者及另一者，或为横切面乳腺超声图像和纵切面乳腺超声图像中的一者及另一者；并且，所述第一视角图像和第二视角图像共享权重。

5.根据权利要求1所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述自注意力机制模块计算输入图像中的每个位置与其他所有位置之间的相对重要性，对应生成一组加权表示，并使用这些加权表示对输入特征进行加权求和，引入全局信息，以捕捉图像中的物体之间的空间关系和上下文信息。

6.根据权利要求1所述的基于人工智能的乳腺癌分级分析系统，其特征在于，所述自注意力机制模块使用梯度加权的类激活热图来绘制热力图。

【专利技术属性】
技术研发人员：钱学骏，沈定刚，梁止潆，
申请(专利权)人：上海科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人