[發明專利]乳腺鉬靶圖像中微鈣化簇的檢測方法、裝置和電子設備

有效

• 申請號: 202010098468.4
• 申請日: 2020-02-18
• 公開（公告）號: CN111325266B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 柴象飛;張凡;郭娜;左盼莉
• 申請（專利權）人: 慧影醫療科技(北京)股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/762;G06V10/40;G06T3/40
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 楊立

1.一種乳腺鉬靶圖像中微鈣化簇的檢測方法，其特征在于，所述方法包括：

對待檢測乳腺鉬靶圖像進行預處理，獲得多個待檢測乳腺鉬靶圖像塊；

基于預先建立的模型，對各所述待檢測乳腺鉬靶圖像塊進行特征提取及分類處理，若得到至少一個包含微鈣化點的第一特征圖像塊及至少一個不包含微鈣化點的第二特征圖像塊，則基于預先建立的分割模型，對每個所述第一特征圖像塊進行分割處理，得到分割處理后的第一特征圖像塊；

將得到的所有分割處理后的第一特征圖像塊與所有所述第二特征圖像塊拼接，獲得所述待檢測乳腺鉬靶圖像對應的待檢測乳腺特征圖像；

對所述待檢測乳腺特征圖像中的微鈣化點進行聚類處理，得到包含至少一個微鈣化簇的待檢測乳腺特征圖像；

基于預先建立的第一分類模型，對包含至少一個微鈣化簇的待檢測乳腺特征圖像進行分類，以確定所述待檢測乳腺鉬靶圖像的類別。

2.根據權利要求1所述的乳腺鉬靶圖像中微鈣化簇的檢測方法，其特征在于，所述對待檢測乳腺鉬靶圖像進行預處理，獲得多個待檢測乳腺鉬靶圖像塊的步驟包括：

將待檢測乳腺鉬靶圖像的方向調整為預設方向；

將待檢測乳腺鉬靶圖像的分辨率調整為預設分辨率；

按照預設大小對調整方向和分辨率之后的待檢測乳腺鉬靶圖像進行劃分，獲得多個待檢測乳腺鉬靶圖像塊。

3.根據權利要求1所述的乳腺鉬靶圖像中微鈣化簇的檢測方法，其特征在于，所述對所述待檢測乳腺特征圖像中的微鈣化點進行聚類處理的步驟包括：

計算所述待檢測乳腺特征圖像中每個微鈣化點的噪聲對比度特征值；

判斷每個所述微鈣化點的噪聲對比度特征值是否大于預設閾值，若是，則保留所述微鈣化點，若否，則剔除所述微鈣化點；

針對保留的所有微鈣化點，采用預設聚類算法對噪聲對比度特征值最大的微鈣化點進行聚類處理，得到包含至少一個微鈣化簇的待檢測乳腺特征圖像。

4.根據權利要求3所述的乳腺鉬靶圖像中微鈣化簇的檢測方法，其特征在于，所述預設聚類算法為動態區域聚類算法、k均值聚類算法或DBSCAN聚類算法。

5.根據權利要求1所述的乳腺鉬靶圖像中微鈣化簇的檢測方法，其特征在于，所述基于預先建立的模型，對各所述待檢測乳腺鉬靶圖像塊進行特征提取及分類處理的步驟包括：

基于預先建立的特征提取模型，對各所述待檢測乳腺鉬靶圖像塊進行特征提??；

基于預先建立的第二分類模型，對特征提取后的各待檢測乳腺鉬靶圖像塊進行分類處理。

6.根據權利要求5所述的乳腺鉬靶圖像中微鈣化簇的檢測方法，其特征在于，預先建立的所述特征提取模型通過以下步驟建立得到：

基于預先構建的UNet神經網絡及金字塔池化模塊，利用多張第一樣本圖像進行訓練，獲得特征提取模型，其中，所述UNet神經網絡包括特征編碼結構及特征解碼結構；

所述特征編碼結構及所述特征解碼結構用于提取并融合各樣本圖像中發生微鈣化的不同尺度的特征；

所述金字塔池化模塊用于提取各微鈣化簇在不同水平的上下文信息，消除不同尺度的特征融合后的語義差異。

7.根據權利要求5所述的乳腺鉬靶圖像中微鈣化簇的檢測方法，其特征在于，預先建立的所述第二分類模型以及預先建立的分割模型通過以下步驟建立得到：

基于預先構建的第一卷積神經網絡，利用多張第二樣本圖像進行訓練，得到初步分類輸出結果；

基于預先構建的第二卷積神經網絡，利用多張第三樣本圖像進行訓練，得到初步分割輸出結果；

根據所述初步分類輸出結果和所述初步分割輸出結果，基于預設損失函數，通過反向傳播算法對所述第一卷積神經網絡中的連接權值及所述第二卷積神經網絡中的連接權值進行調整，直至初步分割輸出結果的準確率大于第一預設閾值，初步分類輸出結果的準確率大于第二預設閾值；

其中，所述預設損失函數為：

其中，Y_c為所述分類模型的預測值，為所述分類模型的標簽，Y_s為所述分割模型的預測值，為所述分割模型的標簽，為所述損失函數。