[發明專利]用于乳腺鉬靶鈣化檢測的圖像處理方法及裝置、服務器

有效

• 申請號: 201811004034.2
• 申請日: 2018-08-30
• 公開（公告）號: CN109285147B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 張番棟
• 申請（專利權）人: 杭州深睿博聯科技有限公司;北京深睿博聯科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 唐海力;李志剛

本申請公開了一種用于乳腺鉬靶鈣化檢測的圖像處理方法及裝置、服務器。該方法包括：將目標圖像通過重構網絡得到第一殘差圖像；將所述第一殘差圖像通過T?檢測損失訓練得到檢測模型；將待識別圖像輸入所述檢測模型得到第二殘差圖像；判斷第二殘差圖像中是否有大于預設閾值的區域；以及如果判斷第二殘差圖像中有大于預設閾值的區域，則將該區域作為乳腺鉬靶中鈣化區域的檢測結果。本申請解決了檢測識別效果較差的技術問題。通過本申請的方法，能夠將具有較大重構誤差的圖像作為乳腺鉬靶鈣化檢測的鈣化點。

技術領域

本申請涉及圖像處理領域，具體而言，涉及一種用于乳腺鉬靶鈣化檢測的圖像處理方法及裝置、服務器。

背景技術

乳腺癌是女性發病率和死亡率最高的癌癥。早發現、早治療是應對乳腺癌的重要手段。鈣化是乳腺癌中最重要的早期征象之一，而鉬靶是檢查鈣化最為有效的方式，因此研究基于乳腺鉬靶的鈣化檢測算法非常必要。通常地，鈣化點一般非常微小，多數小于10個像素，而且鈣化點的密度、形態不一，周圍的組織也較為復雜。

發明人發現，現有的鉬靶鈣化檢測算法多數是基于傳統的圖像特征，如harr特征、形狀、紋理特征等。也有采用基于深度學習的檢測算法。這些算法都是基于判別式模型，即訓練一個分類器，將鈣化的圖像塊與正常的圖像塊區分開。這樣做有兩個問題，一是鈣化點多數都非常微小，難以提取到有效的特征；二是鈣化點數量遠小于正常區域，這就導致訓練分類器的正負樣本極度不均衡，從而大大增加模型的優化的難度。

針對相關技術中檢測識別效果較差的問題，目前尚未提出有效的解決方案。

發明內容

本申請的主要目的在于提供一種用于乳腺鉬靶鈣化檢測的圖像處理方法及裝置、服務器，以解決檢測識別效果較差的問題。

為了實現上述目的，根據本申請的一個方面，提供了一種用于乳腺鉬靶鈣化檢測的圖像處理方法。

根據本申請的用于乳腺鉬靶鈣化檢測的圖像處理方法包括：將目標圖像通過重構網絡得到第一殘差圖像；將所述第一殘差圖像通過T-檢測損失訓練得到檢測模型；將待識別圖像輸入所述檢測模型得到第二殘差圖像；判斷第二殘差圖像中是否有大于預設閾值的區域；以及如果判斷第二殘差圖像中有大于預設閾值的區域，則將該區域作為乳腺鉬靶中鈣化區域的檢測結果。

進一步地，將目標圖像通過重構網絡得到第一殘差圖像包括：將目標圖像作為輸入圖像并通過重構網絡后得到輸出圖像；將所述輸入圖像與所述輸出圖像相減，逐像素取絕對值后得到殘差圖像，其中，殘差圖像中的每一個像素，用于作為原始圖像像素經過重構網絡映射后，再減去原始像素的絕對值：

r(z)＝|f(z)-z|

z為原始圖像像素值，f(z)為重構網絡輸出的像素值，r(z)為像素z對應的重構殘差。

進一步地，判斷第二殘差圖像中是否有大于預設閾值的區域包括：確定鈣化像素點為正樣本像素；確定正常像素點為負樣本像素；通過所述重構網絡生成兩組殘差圖像數據；構建T檢驗損失函數，判斷所述兩組殘差圖像數據是否來自不同的分布并，并按照預設預設劃分區域。

進一步地，通過所述重構網絡生成兩組殘差圖像數據還包括：將鈣化像素點作為異常點，其重構誤差盡可能大；將正常像素點作為正常點，其重構誤差盡可能小。

進一步地，構建T檢驗損失函數還用于融合到端到端的估計當中。

為了實現上述目的，根據本申請的另一方面，提供了一種用于乳腺鉬靶鈣化檢測的圖像處理裝置。