[發(fā)明專利]一種可提高乳腺癌早期診斷率的方法

在審

• 申請?zhí)枺?/td>: 201910509979.8
• 申請日: 2019-06-13
• 公開（公告）號: CN110223287A
• 公開（公告）日: 2019-09-10
• 發(fā)明（設(shè)計）人: 錢林學(xué);李健明;卜云云;劉玉江
• 申請（專利權(quán)）人: 首都醫(yī)科大學(xué)北京友誼醫(yī)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;A61B8/08
• 代理公司: 北京律遠(yuǎn)專利代理事務(wù)所(普通合伙) 11574
• 代理人: 王冠宇

1.一種可提高乳腺癌早期診斷率的方法，其特征在于：其方法包括以下步驟：

A、圖像選擇：包括納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)；

B、數(shù)據(jù)標(biāo)注：由超聲醫(yī)師隨機抽取乳腺正常腺體、乳腺良惡性結(jié)節(jié)超聲圖像共5583張，并對每一張超聲圖像中的結(jié)節(jié)所在位置進(jìn)行標(biāo)注；

C、數(shù)據(jù)預(yù)處理：使用Sobel邊緣檢測算子提取圖像的邊緣，并在所有連接區(qū)域中找到面積最大的區(qū)域，即超聲信號圖像所在的區(qū)域；

D、數(shù)據(jù)擴增：在訓(xùn)練過程中，將圖像進(jìn)行隨機的水平/垂直翻轉(zhuǎn)、隨機的水平/垂直位移、隨機縮放和隨機90度旋轉(zhuǎn)，然后在訓(xùn)練過程中，還將圖像進(jìn)行隨機的裁剪，最后將裁減后的圖像縮放到600×600；

E、算法的選擇：選擇更適用于圖像細(xì)節(jié)特征提取的SSD算法改進(jìn)版RetinaNet中又進(jìn)行了一些微調(diào)的ResNet50網(wǎng)絡(luò)，并使用卷積實現(xiàn)替換全連接層、移除層、預(yù)留多尺度特征輸出等；

F、算法的優(yōu)化：包括引入特征金字塔網(wǎng)絡(luò)(FPN)和引入焦點丟失(Focal loss)。

2.根據(jù)權(quán)利要求1所述的一種可提高乳腺癌早期診斷率的方法，其特征在于：所述步驟A中，納入標(biāo)準(zhǔn)包括常規(guī)二維乳腺超聲圖像和結(jié)節(jié)均有病理證實，且常規(guī)二維乳腺超聲圖像包括橫切和縱切乳腺結(jié)節(jié)、腺體圖像；排除標(biāo)準(zhǔn)包括圖像里有測量標(biāo)志或測量線、圖像里有彩色血流及取樣框、圖像里有字母標(biāo)示、圖像里有穿刺針或穿刺引導(dǎo)線以及圖像里有其他冗余信息。

3.根據(jù)權(quán)利要求1所述的一種可提高乳腺癌早期診斷率的方法，其特征在于：所述步驟B中，良性結(jié)節(jié)、惡性結(jié)節(jié)及正常腺體圖像樣本比例為1：1：1，且標(biāo)注包括結(jié)節(jié)左上角點在X軸座標(biāo)上的位置、結(jié)節(jié)左上角點在Y軸座標(biāo)上的位置、結(jié)節(jié)的最大橫徑偏移量和結(jié)節(jié)的最大長徑偏移量。

4.根據(jù)權(quán)利要求1所述的一種可提高乳腺癌早期診斷率的方法，其特征在于：所述步驟D中，隨機的圖像尺寸是原圖的0.56～1.00之間，寬高比在3：4～4：3之間，且最終形成8783張圖片，其中隨機選取7302張圖片作為訓(xùn)練集，789張圖片作為驗證集，692張圖片作為測試集。

5.根據(jù)權(quán)利要求1所述的一種可提高乳腺癌早期診斷率的方法，其特征在于：所述步驟B、C、D中，所用儀器包括日立Hi Vision Ascendus、飛利浦EPIQ5、飛利浦IU22、GE Logiq E9和邁瑞Resona 7，且探頭頻率為7～12MHz。

6.根據(jù)權(quán)利要求1所述的一種可提高乳腺癌早期診斷率的方法，其特征在于：所述步驟E中，為了檢測不同大小的乳腺結(jié)節(jié)，RetinaNet提取三個不同特征圖上的邊界框。

7.根據(jù)權(quán)利要求1所述的一種可提高乳腺癌早期診斷率的方法，其特征在于：所述步驟F中，F(xiàn)PN是基于一個特征提取網(wǎng)絡(luò)的，可以將不同抽象層次的特征數(shù)據(jù)結(jié)合起來，同時，在醫(yī)學(xué)場景的二維超聲圖像中生成了大量不包含任何結(jié)節(jié)的邊界框，正樣本和負(fù)樣本的不平衡會增加訓(xùn)練期間的難度，為了加強其對正樣本的敏感性，進(jìn)一步降低正負(fù)樣本不平衡帶來的性能損失，由RetinaNet引入焦點丟失，且最后輸出的結(jié)果為在乳腺超聲圖像中呈現(xiàn)一個目標(biāo)檢測框?qū)⒔Y(jié)節(jié)勾畫出來，并給出良惡性的概率評估數(shù)值。