[發明專利]一種基于融合注意力機制的乳腺MRI自動輔助診斷新方法

有效

• 申請號: 202010345214.8
• 申請日: 2020-04-27
• 公開（公告）號: CN111401480B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 王培軍;薛宏偉;高燕;吳曉芬;陳浩;錢光武
• 申請（專利權）人: 上海市同濟醫院;深圳視見醫療科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/77;G16H30/20;G16H50/20;G06N3/0464
• 代理公司: 上海卓陽知識產權代理事務所(普通合伙) 31262
• 代理人: 周春洪

本發明涉及一種基于融合注意力機制的乳腺MRI自動輔助診斷新方法，所述的乳腺MRI自動輔助診斷新方法包括以下步驟：S1：人工選取乳腺分割數據集，訓練DenseUNet模型，將乳腺的TSE序列輸入到訓練好的DenseUNet模型進行乳腺分割，并去除胸腔中干擾腫瘤檢測的器官；S2：將S1得到的分割結果映射到DCE序列，得到分割后的乳腺組織，將其輸入到具有注意力機制的DenseUNet(ADUNet)模型進行腫瘤分割,針對類不平衡和困難樣本問題，在訓練過程中采用Focal?Loss以防止模型偏移；S3：將S2得到的結果輸入到一個輕量級的神經網絡中，進行良惡性判斷，得到輔助診斷結果。本發明可以實現端到端的乳腺癌癥輔助診斷，無需人工干預，且可以極大提高診斷效率和準確率。

技術領域

本發明屬于醫學圖像處理技術領域，特別涉及一種基于融合注意力機制的乳腺MRI自動輔助診斷新方法。

背景技術

乳腺癌的發病率和死亡率在所有女性疾病中分別位于第一位和第二位，嚴重危害著女性的生命健康。早起發現腫瘤可以有效地增加存活率。核磁共振成像(MRI)以其高分辨率、無輻射、多方向、多功能的成像技術而著稱，對乳腺腫瘤非常敏感而成為乳腺癌篩查和診斷時的一種常用方法。在實際診斷中，閱讀MR影像不僅費時，而且需要放射科醫師具有豐富的專業經驗。此外，在乳腺癌診斷的圖像分析中，病變的多樣性和復雜性可能與致密組織的相互作用有關，放射科醫師很難準確地檢測和分析腫塊。針對這些情況，乳腺MRI輔助診斷應運而生。

經典的乳腺MRI輔助診斷的主要流程包括對乳腺MRI圖像進行預處理，之后采用半自動或人工的方法獲得感興趣區域，并提取腫瘤的特征，例如形態、紋理、灰度等，然后將提取的特征組成特征向量，并進行分類得到良惡性的診斷結果。

雖然經典的乳腺MRI輔助診斷方法取得了一定的成績，但是往往需要人工干預或先驗知識，容易受到醫生主觀因素的影響。此外，手工特征有一定的局限性，無法表述尚未被醫生發現的特征。近些年來，卷積神經網絡，尤其是全卷積神經網絡已經被證明對于醫學圖像分割任務是非常有效的，并且不需要設計手工特征和先驗知識。但是，全卷積神經網絡對類別不平衡問題非常敏感，這會造成模型偏移而造成分割準確率下降。目前，針對乳腺腫瘤分割并可以解決上述問題而設計的深度學習方法很少。

中國專利文獻CN：201710429118.X，公開了一種基于三維全卷積神經網絡的核磁共振圖像的分割方法，包括如下步驟：輸入核磁共振圖像數據；設置三維全卷積神經網絡結構，將腦部皮下組織的分割任務看作基于核磁共振圖像的多特征多分類問題，提取腦部皮下組織的特征；優化三維全卷積神經網絡的參數；將訓練模型應用于核磁共振圖像測試集進行測試，產生測試集的分類結果；將測試集的分類結果畫圖產生三維腦皮下組織圖。中國專利文獻CN：201910002630.5一種基于多注意力機制的端到端的腫瘤分割方法，該方法主要包括主干網絡部分和注意力模塊部分，其中主干網絡包括三個子網絡，由改進的3DResidual?U-net構成；注意力模塊由特殊設計的雙分支結構構成。適用于包括腦瘤在內的具有類似層次結構的腫瘤病變組織的3D影像的分割，包括MRI，CT圖像等，能夠提供更加精確的分割結果。但是關于可以實現端到端的乳腺癌癥輔助診斷，無需人工干預，且可以極大提高診斷效率和準確率，基于融合注意力機制的乳腺MRI自動輔助診斷新方法目前還未見報道。

發明內容

本發明的第一個目的是，針對現有技術中的不足，提供一種基于融合注意力機制的乳腺MRI自動輔助診斷新方法。

為實現上述第一個目的，本發明采取的技術方案是：

一種基于融合注意力機制的乳腺MRI自動輔助診斷新方法，包括以下步驟：

S1：人工選取乳腺分割數據集，訓練DenseUNet模型，將乳腺的TSE序列輸入到訓練好的DenseUNet模型進行乳腺分割，并去除胸腔中干擾腫瘤檢測的器官。