一种乳腺肿块自动检测方法及系统技术方案

本发明专利技术实施例提供一种乳腺肿块自动检测方法及装置，所述方法包括：获取待检测乳腺影像，从所述乳腺影像中获取候选肿块影像；所述候选肿块影像为所述乳腺影像中的部分子影像；将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。所述方法能够更加准确完成对待检测乳腺影像的分割，同时利用根据大量样本数据预先构建的神经网络识别模型，对分割后的影像进行识别，获得乳腺肿块，本方法具有适应性强，检测准确的有益效果。

A method and system for automatic detection of breast masses

The embodiment of the invention provides an automatic detection method and a device for breast masses, the method comprises: acquiring a breast image to be detected and acquiring a candidate tumor image from the breast image; the candidate tumor image is a partial sub-image of the breast image; and the candidate tumor image is used as a pre-constructed tumor image. The input of the recognition model is used to obtain the detection result of whether the breast mass appears at the corresponding position of the candidate mass image. The method can segment the detected breast image more accurately, and use the neural network recognition model constructed in advance according to a large number of sample data to recognize the segmented image and obtain the breast mass. The method has strong adaptability and accurate detection effect.

【技术实现步骤摘要】
一种乳腺肿块自动检测方法及系统
本专利技术涉及影像信息处理
，更具体地，涉及乳腺肿块自动检测方法及系统。
技术介绍
随着医疗水平的不断提高，人们在就医过程中会有各种影像数据用于辅助疾病的诊断。由相关统计数据指出，在医院数据中影像数据占了90％，且正以每年30％的速度增加，而影像科医生仅以4％左右的速度增加，由此可以看出大量影像数据的审阅给医生带来了极大的工作负担。此外，医生如果长时间审阅影像数据，极易发生疲劳的现象，进而导致诊断可能出现失误。乳腺病变是威胁女性健康的一种常见疾病，特别是乳腺癌的发病率目前在我国已跃居女性恶性肿瘤发病率的首位，是导致全球女性死亡的第二大癌症类型，其死亡率仅此于肺癌，因此对乳癌病人进行早预防、早诊断、早治疗已成为影像科以及乳腺外科的工作重点。在目前众多的乳腺疾病检测手段中，钼靶X线是最先进、最可靠的诊断技术。乳腺钼靶X线机具有普查、诊断、活检等多种功能。它不仅分辨率高，而且重复性好，能精细地记录不同穿透能力的软组织留下的X线影像，特别是能捕捉具有临床诊断意义的微小钙化灶；与此同时，乳腺钼靶影像对乳腺癌的诊断敏感性和特异性较高，留取的图像可供前后对比，不受患者年龄以及体形的限制，而且它也可以作为一种无创的乳腺病变检查手段，目前已成为医院的常规检查手段。虽然钼靶X线存在上述诸多优点，但是它仍存在一些不可避免的缺陷，特别是钼靶X线影像的信息只有很少部分能为人眼识别，即使富有经验的医生也很难及时发现钼靶X线影像上早期乳腺癌的微小钙化点，以致延误病人的治疗时机。综上所述，亟待提供一种准确率更高的乳腺肿块检测方案。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的乳腺肿块检测方法及装置。根据本专利技术实施例的第一方面，提供了一种乳腺肿块检测方法，该方法包括：获取待检测乳腺影像，从所述乳腺影像中获取候选肿块影像；所述候选肿块影像为所述乳腺影像中的部分子影像；将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。根据本专利技术实施例的第二方面，提供了一种乳腺肿块检测装置，该装置包括：获取模块，用于获取待检测乳腺影像，从所述乳腺影像中获取候选肿块影像；所述候选肿块影像为所述乳腺影像中的部分子影像；检测模块，用于将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。根据本专利技术实施例的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的乳腺肿块检测方法。根据本专利技术的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的乳腺肿块检测方法。本专利技术上述实施例提供一种乳腺肿块检测方法及装置，所述方法能够更加准确完成对待检测乳腺影像的分割，基于预先构建的肿块识别模型，对分割后的影像进行识别，获得乳腺肿块，所述方法能够更加准确完成对待检测乳腺影像的分割，同时利用根据大量样本数据预先构建的神经网络识别模型，对分割后的影像进行识别，获得乳腺肿块，本方法具有适应性强，检测准确的有益效果。附图说明图1为本专利技术实施例的一种乳腺肿块检测方法的流程示意图；图2为本专利技术实施例的一种乳腺肿块检测方法中的乳腺分型示意图；图3为本专利技术实施例的一种乳腺肿块检测装置的框图；图4为本专利技术实施例的一种电子设备的框图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。随着影像识别技术的发展，影像识别技术的应用领域越来越广。目前，影像识别技术已经应用于医疗领域。然而，由于乳腺医疗影像的复杂性(考虑到拍摄质量、患者身体状况和拍摄技术等等因素的影像)，现有的人工阅片方法，由于大量影像数据的存在，不仅给影像科医生带来非常繁重的工作负担，阅片疲劳导致判断出错，而且阅片结果也会受到审阅人员自身专业水平高低的限制，进而影响后续临床诊断的准确性。为了解决上述技术缺陷，本专利技术技术方案采用深度学习算法，通过对大量专家知识进行有效学习，可大幅度提高乳腺肿块检出率的同时，对检出的乳腺肿块进行成分以及属性分析，给出具体诊断信息，为医生提供有用的辅助诊断信息。本专利技术实施例针对乳腺影像，设计了一种基于深度学习的乳腺肿块自动检出方法及系统。本专利技术旨在对输入的乳腺影像进行智能分析，在准确定位到乳腺可疑肿块位置的同时，能够给出乳腺分型、检出肿块的相关属性以及良恶性分级等分析意见。该系统不影响医生原有阅片过程，医生可以根据自己的经验判断对本系统检出乳腺肿块及其属性进行修正。针对上述情形，本专利技术实施例提供了一种乳腺肿块检测方法。该方法适用于对于患者乳腺影像中乳腺肿块的检测；本方法可应用于带有影像采集识别功能的智能设备或系统，本专利技术实施例对此不作具体限定。为了便于描述，本专利技术实施例以执行主体为智能设备为例。如图1所示，所述方法包括：S1，获取待检测乳腺影像，从所述乳腺影像中获取候选肿块影像；所述候选肿块影像为所述乳腺影像中的部分子影像。在上述具体实施例中，首先，获取待检测乳腺影像可以为乳腺钼靶X线影像，也可以为其他影像，本专利技术实施例在此不作限定。所述影像能通过现有医疗影像设备拍摄获取。其次，通过预先构建的神经网络模型获取乳腺影像中的候选肿块影像。S2，将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。进一步，将各个候选乳腺肿块影像中固定大小区域或者图像块影像分别输入到与相应预先构建的肿块识别模型，模型的输出为各个候选乳腺肿块是否为乳腺肿块的判定结果(输出的是一个概率值，或是否为乳腺肿块的判定；当输出为概率值时，一般将概率大于设定阈值判定为是乳腺肿块，否则判定为不是乳腺肿块)，即得到了待检测影像中哪些位置是乳腺肿块的信息。在本专利技术上述具体实施例的基础上，提供一种乳腺肿块检测方法，获取待检测乳腺影像还包括：获取待检测乳腺影像，基于水平集方法和/或对比度受限直方图均衡方法增强待检测乳腺影像中病变组织与正常腺体组织的对比度。具体地，由于很多因素(年龄、乳腺成分、组织密度)都会对乳腺影像产生影响，为了减弱客观因素对乳腺图像的影响以及后续处理上的方便，本实施例还能够先利用图像预处理算法来改善乳腺图像的质量，增强病变组织与正常腺体组织的对比度，使病变区域更加容易辨别与分析。预处理的具体方法可采用现有常见的图像对比度增强技术，如水平集分割、对比度受限直方图均衡等方法，本专利技术实施例在此不作限定。在本专利技术上述具体实施例的基础上，提供一种乳腺肿块检测方法，将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果，之前还包括：将所述待检测乳腺影像输入预先构建的乳腺分型识别模型，获得所述乳腺影像中乳腺分型结果；相应地，将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对本文档来自技高网...

【技术保护点】
1.一种乳腺肿块自动检测方法，其特征在于，包括：获取待检测乳腺影像，从所述乳腺影像中获取候选肿块影像；所述候选肿块影像为所述乳腺影像中的部分子影像；将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。

【技术特征摘要】
1.一种乳腺肿块自动检测方法，其特征在于，包括：获取待检测乳腺影像，从所述乳腺影像中获取候选肿块影像；所述候选肿块影像为所述乳腺影像中的部分子影像；将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。2.根据权利要求1所述的方法，其特征在于，获取待检测乳腺影像还包括：获取待检测乳腺影像，基于水平集方法和/或对比度受限直方图均衡方法增强待检测乳腺影像中病变组织与正常腺体组织的对比度。3.根据权利要求1所述的方法，其特征在于，将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果，之前还包括：将所述待检测乳腺影像输入预先构建的乳腺分型识别模型，获得所述乳腺影像中乳腺所属的分型结果；相应地，将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果，包括：将所述候选肿块影像输入与所述分型结果相应预先构建的肿块识别模型，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。4.根据权利要求1所述的方法，其特征在于，从所述乳腺影像中获取候选肿块影像，包括：将所述乳腺影像输入预先构建的候选肿块检出模型，输出所述乳腺影像中各像素点是否属于候选肿块的判断结果。5.根据权利要求1所述的方法，其特征在于，所述肿块识别模型为预先构建的一阶肿块识别模型或两阶段级联肿块识别模型；相应地，所述两阶级联肿块识别模型包括第1级肿块识别模型和第2级肿块识别模型；所述第1级肿块识别模型为所述一阶肿块识别模型，所述第2级肿块识别模型为预先构建的分类模型。6.根据权利要求5所述的方法，其特征在于，将所述候选肿块影像作为预先构建的肿块识别模型的输入，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果，包括：将所述候选肿块影像输入所述预先构建的一阶肿块识别模型，获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果；或，将所述候选肿块影像输入所述第1级肿块识别模型，获得所述候选肿块影像对应的乳腺位置是否出现肿块的初步检测结果；将所述初步检测结果中出现肿块的候选肿块影像统计特征、纹理特征和深层图像特征中的至少一种，输入所述第2级肿块识别模型，获得所述初步检...

【专利技术属性】
技术研发人员：王凤艳，殷保才，刘聪，
申请(专利权)人：安徽科大讯飞医疗信息技术有限公司，
类型：发明
国别省市：安徽,34