基于FFDM的乳腺影像处理方法、系统、终端和介质技术方案

本发明专利技术提供了一种基于FFDM的乳腺影像处理方法、系统、终端和介质，方法包括：根据第一乳腺X线数据集和第二乳腺X线数据集构建第一数据集和第二数据集；第一乳腺X线数据集为DFM数据集，第二乳腺X线数据集为FFDM数据集；通过第一数据集训练预设的生成式对抗网络；通过训练好的生成式对抗网络，基于所述第二数据集生成目标乳腺X线数据集；其中，所述目标乳腺X线数据集为FFDM影像。相比于现有技术，采用了生成式对抗网络，在进行乳腺癌筛查过程中不需要额外进行标记；基于DFM的第二数据集生成相对更高分辨率的FFDM目标乳腺X线数据集，提高了影像的质量，使生成的影像与真实影像更为相近。近。近。

【技术实现步骤摘要】
基于FFDM的乳腺影像处理方法、系统、终端和介质


[0001]本专利技术涉及乳腺图像处理领域，尤其涉及一种基于FFDM的乳腺影像处理方法、系统、终端设备和计算机可读存储介质。

技术介绍

[0002]全视野数字乳房X光片(FFDM)是近些年发展起来的一种新图像，逐渐取代了数字化屏幕
‑
胶片乳房X线摄影(DFM)，成为了乳腺癌筛查的主要技术。但是大多数的乳房X线摄影的数据集仍以DFM的形式进行存储。
[0003]现有技术在进行乳腺癌筛查的过程中，一种是直接拍摄FFDM，另一种方法时基于DFM生成高分辨率的FFDM，前者在应用于计算机辅助诊断系统中时由于缺乏相应的标记数据，注释良好的医学图像难以获取，开发相应的用于乳腺癌筛查的深度学习算法难度较大，而后者会受到整体网络容量和GPU内存的限制，生成的FFDM图像质量较差，甚至于会无法生成。

技术实现思路

[0004]本专利技术提供了一种基于FFDM的乳腺影像处理方法、系统、终端设备和计算机可读存储介质，采用生成式对抗网络并利用DFM生成FFDM影像，在进行乳腺癌筛查过程中不需要额外进行标记，解决了如何提高目标影像学数据质量的技术问题。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种基于FFDM的乳腺影像处理方法，包括：
[0006]从第一乳腺X线数据集和第二乳腺X线数据集中选取第一数据集，并根据所述第一乳腺X线数据集中未被选取的剩余数据集构建第二数据集；其中，所述第一乳腺X线数据集为DFM数据集，第二乳腺X线数据集为FFDM数据集；
[0007]通过所述第一数据集训练预设的生成式对抗网络；其中，所述生成式对抗网络的生成器包括U
‑
Net生成器；所述生成式对抗网络的鉴别器包括多尺度DNN架构；
[0008]通过训练好的生成式对抗网络，基于所述第二数据集生成目标乳腺X线数据集；其中，所述目标乳腺X线数据集为FFDM影像。
[0009]作为优选方案，在所述通过所述第一数据集训练预设的生成式对抗网络之前，还包括：
[0010]通过滑窗对所述第一数据集中的DFM影像和FFDM影像进行裁剪，获得若干DFM斑片和若干FFDM斑片；
[0011]通过阈值法提取所述第一数据集的背景，并根据所述背景的比例，确定各斑片的类别；所述斑片的类别包括乳房区域类别、边界类别和背景类别；
[0012]随机选取相同类别的DFM斑片和FFDM斑片构建若干输入对，获得经过预处理的所述第一数据集；其中，所述输入对用于训练所述生成式对抗网络。
[0013]作为优选方案，所述通过所述第一数据集训练预设的生成式对抗网络，包括：
[0014]所述生成式对抗网络包括生成器和鉴别器；
[0015]对所述生成器和所述鉴别器分别进行训练，具体地：
[0016]通过所述生成器从所述输入对中提取特征图，并对所述特征图进行降采样；通过所述鉴别器得到所述第一数据集的梯度图，对所述第一数据集进行降采样，并获得经过降采样的影像的对应梯度图；
[0017]直到所述生成式对抗网络满足预设的收敛要求，获得训练好的生成式对抗网络。
[0018]作为优选方案，所述乳腺影像处理方法还包括：
[0019]根据所述第二乳腺X线数据集中未被选取的剩余数据集构建第三数据集；
[0020]对所述第三数据集中的若干第一影像进行降采样，并基于所述第三数据集中的若干第二影像构建预设像素大小的影像块；
[0021]根据经过降采样的第一影像，分割出所述目标乳腺X线数据集的肿块，实现肿块检测；根据所述影像块，分割出所述目标乳腺X线数据集的钙化部，实现钙化检测。
[0022]相应的，本专利技术实施例还提供了一种基于FFDM的乳腺影像处理系统，包括数据集构建模块、训练模块和目标影像生成模块；其中，
[0023]所述数据集构建模块，用于从第一乳腺X线数据集和第二乳腺X线数据集中选取第一数据集，并根据所述第一乳腺X线数据集中未被选取的剩余数据集构建第二数据集；其中，所述第一乳腺X线数据集为DFM数据集，第二乳腺X线数据集为FFDM数据集；
[0024]所述训练模块，用于通过所述第一数据集训练预设的生成式对抗网络；其中，所述生成式对抗网络的生成器包括U
‑
Net生成器；所述生成式对抗网络的鉴别器包括多尺度DNN架构；
[0025]所述目标影像生成模块，用于通过训练好的生成式对抗网络，基于所述第二数据集生成目标乳腺X线数据集；其中，所述目标乳腺X线数据集为FFDM影像。
[0026]作为优选方案，所述乳腺影像处理系统还包括预处理模块，所述预处理模块用于在所述通过所述第一数据集训练预设的生成式对抗网络之前：
[0027]通过滑窗对所述第一数据集中的DFM影像和FFDM影像进行裁剪，获得若干DFM斑片和若干FFDM斑片；
[0028]通过阈值法提取所述第一数据集的背景，并根据所述背景的比例，确定各斑片的类别；所述斑片的类别包括乳房区域类别、边界类别和背景类别；
[0029]随机选取相同类别的DFM斑片和FFDM斑片构建若干输入对，获得经过预处理的所述第一数据集；其中，所述输入对用于训练所述生成式对抗网络。
[0030]作为优选方案，所述训练模块通过所述第一数据集训练预设的生成式对抗网络，包括：
[0031]所述生成式对抗网络包括生成器和鉴别器；
[0032]对所述生成器和所述鉴别器分别进行训练，具体地：
[0033]所述训练模块通过所述生成器从所述输入对中提取特征图，并对所述特征图进行降采样；通过所述鉴别器得到所述第一数据集的梯度图，对所述第一数据集进行降采样，并获得经过降采样的影像的对应梯度图；
[0034]直到所述生成式对抗网络满足预设的收敛要求，获得训练好的生成式对抗网络。
[0035]作为优选方案，所述乳腺影像处理系统还包括检测模块，所述检测模块用于：
[0036]根据所述第二乳腺X线数据集中未被选取的剩余数据集构建第三数据集；
[0037]对所述第三数据集中的若干第一影像进行降采样，并基于所述第三数据集中的若干第二影像构建预设像素大小的影像块；
[0038]根据经过降采样的第一影像，分割出所述目标乳腺X线数据集的肿块，实现肿块检测；根据所述影像块，分割出所述目标乳腺X线数据集的钙化部，实现钙化检测。
[0039]相应的，本专利技术实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由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所述的一种基于FFDM的乳腺影像处理方法。
[0040]相应的，本专利技术实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述的一种基于FFDM的乳腺影像处理方法。
[0041]相比于现有技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FFDM的乳腺影像处理方法，其特征在于，包括：从第一乳腺X线数据集和第二乳腺X线数据集中选取第一数据集，并根据所述第一乳腺X线数据集中未被选取的剩余数据集构建第二数据集；其中，所述第一乳腺X线数据集为DFM数据集，第二乳腺X线数据集为FFDM数据集；通过所述第一数据集训练预设的生成式对抗网络；其中，所述生成式对抗网络的生成器包括U
‑
Net生成器；所述生成式对抗网络的鉴别器包括多尺度DNN架构；通过训练好的生成式对抗网络，基于所述第二数据集生成目标乳腺X线数据集；其中，所述目标乳腺X线数据集为FFDM影像。2.如权利要求1所述的一种基于FFDM的乳腺影像处理方法，其特征在于，在所述通过所述第一数据集训练预设的生成式对抗网络之前，还包括：通过滑窗对所述第一数据集中的DFM影像和FFDM影像进行裁剪，获得若干DFM斑片和若干FFDM斑片；通过阈值法提取所述第一数据集的背景，并根据所述背景的比例，确定各斑片的类别；所述斑片的类别包括乳房区域类别、边界类别和背景类别；随机选取相同类别的DFM斑片和FFDM斑片构建若干输入对，获得经过预处理的所述第一数据集；其中，所述输入对用于训练所述生成式对抗网络。3.如权利要求2所述的一种基于FFDM的乳腺影像处理方法，其特征在于，所述通过所述第一数据集训练预设的生成式对抗网络，包括：所述生成式对抗网络包括生成器和鉴别器；对所述生成器和所述鉴别器分别进行训练，具体地：通过所述生成器从所述输入对中提取特征图，并对所述特征图进行降采样；通过所述鉴别器得到所述第一数据集的梯度图，对所述第一数据集进行降采样，并获得经过降采样的影像的对应梯度图；直到所述生成式对抗网络满足预设的收敛要求，获得训练好的生成式对抗网络。4.如权利要求1所述的一种基于FFDM的乳腺影像处理方法，其特征在于，所述乳腺影像处理方法还包括：根据所述第二乳腺X线数据集中未被选取的剩余数据集构建第三数据集；对所述第三数据集中的若干第一影像进行降采样，并基于所述第三数据集中的若干第二影像构建预设像素大小的影像块；根据经过降采样的第一影像，分割出所述目标乳腺X线数据集的肿块，实现肿块检测；根据所述影像块，分割出所述目标乳腺X线数据集的钙化部，实现钙化检测。5.一种基于FFDM的乳腺影像处理系统，其特征在于，包括数据集构建模块、训练模块和目标影像生成模块；其中，所述数据集构建模块，用于从第一乳腺X线数据集和第二乳腺X线数据集中选取第一数据集，并根据所述第一乳腺X线数据集中未被选取的剩余数据集构建第二数据集；其中，所述第一乳腺X线数据集为DFM数据集，第二乳腺X线数据集为FFDM数据集；...

【专利技术属性】
技术研发人员：张亚琴，陶雨溪，韩佳悦，陈铭，
申请(专利权)人：中山大学附属第五医院，
类型：发明
国别省市：