[發(fā)明專利]乳腺超聲圖像識別分析方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811633896.1
• 申請日: 2018-12-29
• 公開（公告）號: CN109727243A
• 公開（公告）日: 2019-05-07
• 發(fā)明（設計）人: 甘從貴;趙明昌;莫若理
• 申請（專利權）人: 無錫祥生醫(yī)療科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/12;G06T7/62;G06N3/04;G06N3/08
• 代理公司: 蘇州國誠專利代理有限公司 32293
• 代理人: 韓鳳

1.乳腺超聲圖像識別分析方法，其特征是，包括以下步驟：

步驟1、卷積神經網絡模塊接收乳腺超聲圖像或視頻；

步驟2、卷積神經網絡模塊使用經訓練的卷積神經網絡模型對乳腺超聲圖像或視頻進行處理，識別輸入乳腺超聲圖像或視頻中含病灶的圖像幀；并對含有病灶的圖像幀進行分割，提取圖像幀中病灶區(qū)域輪廓，自動測量病灶區(qū)域參數。

2.如權利要求1所述的乳腺超聲圖像識別分析方法，其特征是，所述經訓練的卷積神經網絡模型至少包括經訓練的第一卷積神經網絡模型、經訓練的第二卷積神經網絡模型；

所述經訓練的第一卷積神經網絡模型對乳腺超聲圖像或視頻進行識別，自動識別乳腺超聲圖像是否含有病灶區(qū)域，得到經識別的含病灶的圖像幀；

經訓練的第二卷積神經網絡模型對經識別的含病灶的圖像幀進行分割，提取病灶區(qū)域輪廓，并測量病灶區(qū)域參數進行輸出。

3.如權利要求2所述的乳腺超聲圖像識別分析方法，其特征是，在所述第一卷積神經網絡模型對乳腺超聲圖像或視頻進行識別之前，先對輸入的乳腺超聲圖像或視頻進行預處理，得到預處理后的乳腺超聲圖像，預處理步驟在步驟1之前或者在步驟2第一卷積神經網絡模型開始識別之前。

4.如權利要求2所述的乳腺超聲圖像識別分析方法，其特征是，所述第一卷積神經網絡模型將含病灶的圖像幀標識出來并對病灶區(qū)域進行標注。

5.如權利要求1所述的乳腺超聲圖像識別分析方法，其特征是，所述卷積神經網絡模型將含病灶的圖像幀標識出來并對病灶區(qū)域進行標注。

6.如權利要求4或5所述的乳腺超聲圖像識別分析方法，其特征是，所述對病灶區(qū)域的標注包括病灶區(qū)域的良、惡性評分。

7.如權利要求6所述的乳腺超聲圖像識別分析方法，其特征是，所述病灶區(qū)域良性評分，包括良性腫瘤、炎性、腺病的評分。

8.如權利要求1所述的乳腺超聲圖像識別分析方法，其特征是，所述經訓練的卷積神經網絡模型由已識別為含有病灶，并提取了病灶區(qū)域輪廓、參數測量后的乳腺超聲圖像作為樣本訓練得到。

9.如權利要求2所述的乳腺超聲圖像識別分析方法，其特征是，所述經訓練的第一卷積神經網絡由已經識別的含乳腺病灶的乳腺超聲圖像數據作為樣本訓練得到；

所述經訓練的第二卷積神經網絡模型通過已分割提取病灶區(qū)域輪廓，參數測量后的乳腺超聲圖像作為樣本訓練得到。

10.乳腺超聲圖像識別分析系統(tǒng)，其特征是，包括：卷積神經網絡模塊，接收乳腺超聲圖像或視頻，對乳腺超聲圖像或視頻進行處理，識別輸入乳腺超聲圖像或視頻中含病灶的圖像幀；并對含有病灶的圖像幀進行分割，提取圖像幀中病灶區(qū)域輪廓，自動測量病灶區(qū)域參數；

所述卷積神經網絡模塊的識別、分割、測量結果輸出到顯示裝置。

11.如權利要求10所述的乳腺超聲圖像識別分析系統(tǒng)，其特征是，所述卷積神經網絡模塊包括第一卷積神經網絡模塊、第二神經網絡模塊；

所述第一卷積神經網絡模塊，用于對乳腺超聲圖像或視頻進行病灶區(qū)域的識別，識別出含病灶的圖像幀；

所述第二卷積神經網絡模塊，用于對經識別的含病灶的圖像幀進行分割，提取病灶區(qū)域輪廓，并測量病灶區(qū)域參數進行輸出。

12.如權利要求10所述的乳腺超聲圖像識別分析系統(tǒng)，其特征是，還包括預處理模塊，對輸入的乳腺超聲圖像或視頻預處理，將預處理后的乳腺超聲圖像輸出到卷積神經網絡模塊。

13.如權利要求11所述的乳腺超聲圖像識別分析系統(tǒng)，其特征是，所述卷積神經網絡模塊還包括預處理模塊，對輸入的乳腺超聲圖像或視頻預處理，將預處理后的乳腺超聲圖像輸出到第一卷積神經網絡模塊。