[發(fā)明專利]基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010712897.6
• 申請日: 2020-07-22
• 公開（公告）號: CN111863204A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設計）人: 石發(fā)強;胡飛;王方;崔波
• 申請（專利權）人: 北京青燕祥云科技有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H50/20;G06T7/00
• 代理公司: 北京圣州專利代理事務所(普通合伙) 11818
• 代理人: 王振佳

1.一種基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法，其特征在于：包括以下步驟：

S1、標注訓練并驗證AI輔助診斷模型；

S2、獲取乳腺鉬靶X線攝影檢查圖像；

S3、乳腺鉬靶X線攝影檢查圖像預處理；

S4、輔助診斷

S41、將經(jīng)過預處理的乳腺鉬靶X線影檢查圖像IMG，按照100個像素的重復度進行滑動窗口重采樣操作形成一個512*512的固定大小圖片序列IMGS；

S42、將圖片序列IMGS輸入經(jīng)步驟S1標注訓練并驗證的AI輔助診斷模型內(nèi)，AI輔助診斷模型通過GPU加速模型或CPU兼容模型，完成診斷，若檢測到疑似病灶，則將圖片序列IMGS中的疑似病灶映射到原始的乳腺鉬靶X攝影檢查圖像中，通過非極大值抑制算法合并重復檢測到的疑似病灶，最后輸出預測數(shù)據(jù)，否則，預測數(shù)據(jù)為空；

S5、輸出診斷

將獲得的預測數(shù)據(jù)進行后處理，計算醫(yī)學參數(shù)，然后疊加顯示在乳腺鉬靶X線攝影檢查圖像上，并展示出乳腺中疑似病灶的位置、大小和病灶類型。

2.根據(jù)權利要求1所述的一種基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法，其特征在于：步驟S1的具體步驟包括：

S11、數(shù)據(jù)標注

標注經(jīng)過歸一化預處理后的乳腺鉬靶X線攝影檢查圖像，由醫(yī)生按照多數(shù)投票制原則標注其中的病灶信息，獲得位置信息及其類型信息，若為多發(fā)性病灶，則獨立標識每個病灶獲得標準數(shù)據(jù)集，并將標注完成的標準數(shù)據(jù)集按比例分為訓練集數(shù)據(jù)和驗證集數(shù)據(jù)；

S12、模型訓練

基于訓練集數(shù)據(jù)中的乳腺鉬靶X線檢查圖像、乳腺病變位置信息與類型信息，在GPU服務器上訓練基于乳腺鉬靶X射線檢查圖像的乳腺病變檢測的深度卷積神經(jīng)網(wǎng)絡模型；

S13、模型驗證

基于驗證集數(shù)據(jù)和訓練集數(shù)據(jù)中的乳腺鉬靶X射線檢查圖像、乳腺病變位置信息與類型信息，根據(jù)開發(fā)環(huán)境中軟硬件資源限制調(diào)試優(yōu)化訓練參數(shù)與評價標準，測試AI輔助診斷模型，直至測試的平均檢測準確率達到90％以上，且假陽性率低于15％，則認定AI輔助診斷模型訓練完成。

3.根據(jù)權利要求2所述的一種基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法，其特征在于：在步驟S11中位置信息包含標注病灶和疑似病灶的中心點坐標信息、寬度信息以及高度信息，類型信息包含組織鈣化與組織腫塊、其它乳腺病變。

4.根據(jù)權利要求1所述的一種基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法，其特征在于：步驟S3的具體步驟包括：將乳腺鉬靶X線攝影檢查數(shù)據(jù)處理為圖片格式，進行數(shù)據(jù)歸一化處理，并檢測標定基本信息。

5.根據(jù)權利要求4所述的一種基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法，其特征在于：步驟S3中基本信息包括左側(cè)/右側(cè)乳房信息和軸位/側(cè)斜位信息。

6.一種基于上述權利要求1-5任一項所述的基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法的輔助診斷系統(tǒng)，其特征在于：包括：

數(shù)據(jù)標注模塊，用于標注乳腺鉬靶X線檢查攝影圖像中的病灶位置與類型信息，最終形成用于深度學習模型訓練與驗證的標準數(shù)據(jù)集；

圖像輸入模塊，用于調(diào)用存儲在系統(tǒng)中的乳腺鉬靶X線檢查數(shù)據(jù)或者遠程傳輸?shù)娜橄巽f靶X線檢查數(shù)據(jù)；

圖像預處理模塊，用于將乳腺鉬靶X線攝影檢查數(shù)據(jù)處理為圖片格式，進行數(shù)據(jù)歸一化處理，并檢測標定基本信息；

診斷模塊，用于將經(jīng)過預處理的乳腺鉬靶X影檢查圖像IMG，按照100個像素的重復度進行滑動窗口重采樣操作形成一個512*512的固定大小圖片序列IMGS，然后將圖片序列IMGS輸入AI輔助診斷模型獲得預測數(shù)據(jù)；

診斷輸出模塊，將獲得的預測數(shù)據(jù)進行后處理，計算醫(yī)學參數(shù)，然后疊加顯示在乳腺鉬靶X線攝影檢查圖像上，并展示出乳腺中疑似病灶的位置、大小和病灶類型。

7.根據(jù)權利要求6所述的一種基于鉬靶X線攝影檢查的乳腺疾病AI輔助診斷方法的輔助診斷系統(tǒng)，其特征在于：所述AI輔助診斷模型為經(jīng)過數(shù)據(jù)類型適應性改進的Faster-RCNN深度卷積神經(jīng)網(wǎng)絡模型。