[發(fā)明專(zhuān)利]一種基于交叉注意力機(jī)制的乳腺腫塊分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011081302.8
• 申請(qǐng)日: 2020-10-09
• 公開(kāi)（公告）號(hào): CN112201328B
• 公開(kāi)（公告）日: 2022-06-21
• 發(fā)明（設(shè)計(jì)）人: 胡海蓉;胡紅杰;李康安
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江德尚韻興醫(yī)療科技有限公司
• 主分類(lèi)號(hào): G16H30/20
• 分類(lèi)號(hào): G16H30/20;G06T7/00;G06T7/12;G06N3/04
• 代理公司: 杭州中成專(zhuān)利事務(wù)所有限公司 33212
• 代理人: 周世駿

1.一種基于交叉注意力機(jī)制的乳腺腫塊分割方法，其特征在于，包括以下步驟：

(1)制作數(shù)據(jù)集

取足量的乳腺X射線DICOM圖像，經(jīng)脫敏處理后轉(zhuǎn)換為RGB三原色圖像；按臨床醫(yī)學(xué)判斷標(biāo)準(zhǔn)對(duì)乳腺X射線圖像腫塊進(jìn)行交叉標(biāo)注，然后制作成為訓(xùn)練數(shù)據(jù)集；在訓(xùn)練數(shù)據(jù)集中，針對(duì)每個(gè)病案生成與原圖像大小一致的掩碼二值圖像；該二值圖像中像素不為0的(x₀，y₀)位置表示原始圖像相同位置存在腫塊，反之則不存在腫塊；

(2)交叉注意力機(jī)制預(yù)處理

從步驟(1)得到的數(shù)據(jù)集中，取N張樣本及其對(duì)應(yīng)腫塊的掩碼二值圖像進(jìn)行歸一化處理，N不小于40000；從歸一化處理后的圖像中，取每個(gè)病例的單側(cè)乳房CC位和MLO位兩幅乳腺X射線圖像，即左右乳房的CC位和MLO位兩幅圖像各自組成一個(gè)圖像批次；將兩幅圖片的大小零填充到相同的長(zhǎng)寬，輸入圖像的批尺寸為2；

(3)構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)EfficientNet

構(gòu)建EfficientNet-B0網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)組成包括：一個(gè)卷積核大小為3x3、滑動(dòng)步長(zhǎng)為2x2、填充大小為1x1的卷積層；7個(gè)移動(dòng)反轉(zhuǎn)瓶頸塊，一個(gè)全卷積層，一個(gè)邏輯回歸層；EfficientNet-B0網(wǎng)絡(luò)結(jié)構(gòu)是由移動(dòng)反轉(zhuǎn)瓶頸塊組成網(wǎng)絡(luò)主干，每個(gè)移動(dòng)反轉(zhuǎn)瓶頸塊均由兩個(gè)常規(guī)卷積、一個(gè)深度可分離卷積和一個(gè)注意力模塊這三部分組成；

(4)調(diào)整圖像網(wǎng)絡(luò)數(shù)據(jù)集的預(yù)訓(xùn)練權(quán)值分布

使用在圖像網(wǎng)絡(luò)數(shù)據(jù)集上預(yù)訓(xùn)練好的權(quán)值模型文件，設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的注意力單元中所有卷積層的權(quán)值W_a尺寸為(C₁，C₂)，調(diào)整圖像網(wǎng)絡(luò)數(shù)據(jù)集預(yù)訓(xùn)練權(quán)值W_b尺寸為(2C₁，2C₂)，且相應(yīng)的將尺寸為(C₂,1)的原偏置B_a，調(diào)整為B_b＝[B_a B_a]，調(diào)整后的B_b尺寸為(2C₂,1)；同時(shí)將注意力單元的所有卷積層的數(shù)據(jù)順序由(N,C,H,W)設(shè)置為(N/2,C*2,H,W)，將卷積層卷積核的數(shù)據(jù)順序由(C_out,C_in,H_k,W_k)設(shè)置為(2*C_out,2*C_in,H_k,W_k)；

(5)利用步驟(2)中的數(shù)據(jù)預(yù)處理結(jié)果，調(diào)整步驟(4)中的預(yù)訓(xùn)練權(quán)值分布，訓(xùn)練步驟(3)中的深度卷積神經(jīng)網(wǎng)絡(luò)；

(6)利用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)待檢測(cè)的X射線影像進(jìn)行推理

將待檢測(cè)的乳腺X射線圖像的單側(cè)乳房CC位和MLO位零填充為統(tǒng)一大小，然后進(jìn)行歸一化處理；輸入到步驟(5)經(jīng)過(guò)訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)，輸出取值范圍為0-1的概率圖；取0.5的閾值將概率圖二值化，在二值化后的概率圖中，白色區(qū)域表示在原始乳腺X射線圖像中的對(duì)應(yīng)位置處存在腫塊病變，反之則不存在腫塊。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(1)中對(duì)乳腺X射線圖像腫塊數(shù)據(jù)進(jìn)行交叉標(biāo)注的操作，是由多名具備臨床資質(zhì)的執(zhí)業(yè)醫(yī)師按臨床醫(yī)學(xué)判斷標(biāo)準(zhǔn)執(zhí)行；每一幅乳腺X射線圖像均由多人標(biāo)注，并從中選取標(biāo)注一致的樣本用于制作訓(xùn)練數(shù)據(jù)集。