[發明專利]一種基于乳腺超聲影像的乳腺病灶智能分析方法及系統

有效

• 申請號: 202010055201.7
• 申請日: 2020-01-17
• 公開（公告）號: CN111243730B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 成雅科
• 申請（專利權）人: 蘇州視尚醫療科技有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H15/00;G16H30/40;G06N3/08
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種基于乳腺超聲影像的乳腺病灶智能分析方法，其特征在于，包括：

識別病灶：獲取病人相關的乳腺超聲影像數據，對獲取到的乳腺超聲影像進行動態識別，在乳腺超聲影像中標記出乳腺病灶的位置及區域，并輸出乳腺病灶標記圖像；

輔助分析：根據用戶請求，對乳腺病灶標記圖像做進一步分析，推算出病灶各維度的分類信息，并將信息整理匯總后進行顯示，輸出輔助分析結果；具體包括：數據預處理：根據用戶請求，對乳腺病灶標記圖像進行預處理；構建模型：構建基于深度學習的乳腺超聲影像輔助分析網絡，使用乳腺超聲檢查臨床實踐中的真實影像對乳腺超聲影像輔助分析網絡進行訓練，并優化訓練后的模型，得到輔助分析網絡模型；病灶分析：將預處理后的乳腺病灶標記圖像輸入輔助分析網絡模型，輸出乳腺病灶輔助分析結果；

構建模型的過程，具體包括：構建基于深度學習的乳腺超聲影像輔助分析網絡；對乳腺超聲檢查臨床實踐中的真實影像數據進行脫敏處理；對脫敏后的真實影像數據進行分類標注，得到分類標注圖像，所述標注采用矩形框框選、圖像分割的多邊形邊沿標注兩種標注方式；將分類標注圖像轉交醫院超聲科醫生進行二次分類標注或確認；將二次分類標注或確認后的分類標注圖像采用縮放、平移、旋轉、彈性拉伸、高斯模糊、調節亮度對比度方式進行數據增強處理，得到樣本數據；將樣本數據輸入乳腺超聲影像輔助分析網絡進行訓練，進一步壓縮并優化網絡模型，得到深度學習網絡模型；

所述深度學習網絡模型還包括殘差結構和bn層；所述殘差結構在原先的多個重復塊層的常規層次連接的基礎上，引入跳躍連接；所述bn層在網絡的每一層輸入之前，通過尺度縮放和偏移，對當前層的輸入做一個歸一化處理，且在訓練過程中需通過控制衰減系數來管理尺度縮放的系數和偏移量；

生成病例/報告：根據用戶請求，對輔助分析結果做進一步整合處理，生成病例或超聲報告。

2.根據權利要求1所述的一種基于乳腺超聲影像的乳腺病灶智能分析方法，其特征在于，識別病灶的過程，具體包括：

獲取數據：獲取病人相關的乳腺超聲影像數據，并輸入病人的個人信息，將病人的個人信息和對應的乳腺超聲影像數據一并存儲；

數據預處理：對乳腺超聲影像數據進行預處理；

構建模型：構建基于深度學習的乳腺病灶動態識別神經網絡，并使用乳腺超聲檢查臨床實踐中的真實影像數據對乳腺病灶動態識別神經網絡進行訓練，并優化訓練后的模型，得到深度學習網絡模型；

結果推斷：將預處理后的乳腺超聲影像數據輸入深度學習網絡模型，輸出乳腺病灶推算結果；

病灶解析：根據乳腺病灶推算結果，計算解析出乳腺病灶的實際位置或邊緣；

輸出結果：將乳腺病灶的實際位置或邊緣進行標注，輸出乳腺病灶標記圖像。

3.根據權利要求2所述的一種基于乳腺超聲影像的乳腺病灶智能分析方法，其特征在于，對乳腺超聲影像數據進行預處理的過程，具體包括：

提取乳腺超聲影像數據中的圖像信息；

對圖像進行縮放、灰度化及歸一化處理。

4.根據權利要求2所述的一種基于乳腺超聲影像的乳腺病灶智能分析方法，其特征在于，構建模型的過程，具體包括：

構建基于深度學習的乳腺病灶動態識別神經網絡；

對乳腺超聲檢查臨床實踐中的真實影像數據進行脫敏處理；

對脫敏后的真實影像數據進行標注，得到標注圖像，所述標注采用矩形框框選、圖像分割的多邊形邊沿標注兩種標注方式；

將標注圖像轉交醫院超聲科醫生進行二次標注或確認；

將二次標注或確認后的標注圖像采用縮放、平移、旋轉、彈性拉伸、高斯模糊、調節亮度對比度等方式進行數據增強處理，得到樣本數據；

將樣本數據輸入乳腺病灶動態識別神經網絡進行訓練，進一步壓縮并優化網絡模型，得到深度學習網絡模型。

5.根據權利要求1所述的一種基于乳腺超聲影像的乳腺病灶智能分析方法，其特征在于，病灶分析的過程，具體包括：

對預處理后的乳腺病灶標記圖像進行深度網絡計算，推理出乳腺病灶各維度的分類信息；

根據推理得到的乳腺病灶各維度的分類信息，解析出病灶的實際分類信息；

對乳腺病灶各個維度的實際分類信息進行整理和匯總后，進行顯示。