[發明專利]乳腺斷層掃描的掃描參數確定方法、裝置、終端及介質

有效

• 申請號: 201911419230.0
• 申請日: 2019-12-31
• 公開（公告）號: CN111028310B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 梁侃;陳明;李偉;唐定車
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T7/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種乳腺斷層掃描的掃描參數確定方法，其特征在于，包括：

獲取被壓迫的乳房的厚度信息以及其二維平片；

將所述乳房的二維平片輸入到特征提取模型，輸出乳腺特征參數；

根據所述乳房的厚度信息和乳腺特征參數，確定乳腺斷層掃描的掃描參數，所述掃描參數包括掃描角度范圍和掃描幀數。

2.根據權利要求1所述的方法，其特征在于，在獲取所述乳房的二維平片后并在輸入到所述特征提取模型前還進行圖像處理。

3.根據權利要求2所述的方法，其特征在于，所述圖像處理包括下述至少一種：升采樣、降采樣、圖像分割和圖像增強。

4.根據權利要求3所述的方法，其特征在于，所述圖像處理為圖像增強時，所述進行圖像處理，包括：

對所述乳房的二維平片進行直方圖均衡化處理，得到均衡化圖像；

將所述均衡化圖像轉化為頻域圖像，對所述頻域圖像中預設頻點的信號進行增益，并逆轉化為空間域圖像；

對所述空間域圖像進行輪廓線提取處理，以及預設灰度范圍的增強處理。

5.根據權利要求1所述的方法，其特征在于，所述特征提取模型包括專家系統或人工智能網絡模型。

6.根據權利要求5所述的方法，其特征在于，所述人工智能網絡模型包括機器學習模型或深度學習模型。

7.根據權利要求6所述的方法，其特征在于，所述深度學習模型為卷積神經網絡模型時，包括：輸入層、卷積層、池化層、全連接層和輸出層；

其中，所述卷積層包括36個卷積核，且各卷積核大小為13*13，步長為1；所述池化層為最大池化層。

8.根據權利要求1所述的方法，其特征在于，所述特征提取模型的訓練步驟，包括：

獲取樣本乳房的二維平片，并對所述樣本乳房的二維平片進行乳腺特征參數標注；

將所述樣本乳房的二維平片輸入特征提取模型，并以實際輸出的乳腺特征參數與標注的乳腺特征參數小于預設偏差為目標，訓練所述特征提取模型。

9.根據權利要求1所述的方法，其特征在于，所述根據所述乳房的厚度信息和乳腺特征參數，確定乳腺斷層掃描的掃描參數，包括：

將所述乳房的厚度信息和乳腺特征參數輸入到參數確定模型，輸出乳腺斷層掃描的掃描參數。

10.根據權利要求9所述的方法，其特征在于，在所述將所述乳房的厚度信息和乳腺特征參數輸入到參數確定模型之前，還包括：

根據所述乳房厚度確定乳房致密特征，根據所述乳房致密特征對所述乳腺特征參數進行修正。

11.根據權利要求1-10任一所述的方法，其特征在于，所述乳腺特征參數，包括下述至少一種：感興趣區域的類型、形狀或分布、邊緣和長徑。

12.根據權利要求1-10任一所述的方法，其特征在于，所述掃描角度范圍和所述掃描幀數為用于所述乳腺斷層掃描的乳腺機的機器約束下的任意值。

13.一種乳腺斷層掃描的掃描參數確定裝置，其特征在于，包括：

獲取模塊，用于獲取被壓迫的乳房的厚度信息以及其二維平片；

特征提取模塊，用于將所述乳房的二維平片輸入到特征提取模型，輸出乳腺特征參數；

掃描參數確定模塊，用于根據所述乳房的厚度信息和乳腺特征參數，確定乳腺斷層掃描的掃描參數，所述掃描參數包括掃描角度范圍和掃描幀數。

14.一種終端，其特征在于，所述終端包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-12中任一所述的乳腺斷層掃描的掃描參數確定方法。

15.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-12中任一所述的乳腺斷層掃描的掃描參數確定方法。