[發明專利]一種基于交叉注意力機制的乳腺腫塊分割方法

有效

• 申請號: 202011081302.8
• 申請日: 2020-10-09
• 公開（公告）號: CN112201328B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 胡海蓉;胡紅杰;李康安
• 申請（專利權）人: 浙江德尚韻興醫療科技有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06T7/00;G06T7/12;G06N3/04
• 代理公司: 杭州中成專利事務所有限公司 33212
• 代理人: 周世駿

本發明涉及X射線輔助診斷技術，旨在提供一種基于交叉注意力機制的乳腺腫塊分割方法。包括步驟：制作數據集；交叉注意力機制預處理；構建深度卷積神經網絡；調整圖像網絡數據集圖像網絡數據集的預訓練權值分布；利用數據預處理結果，調整預訓練權值分布，訓練深度卷積神經網絡；利用深度卷積神經網絡對待檢測的X射線影像進行推理。本發明利用交叉注意力機制快速訓練模型，通過交叉注意力機制使得網絡能從MLO位和CC位兩個方位來選擇腫塊特征，學習調整交叉注意力權重值。與傳統只從CC位或者MLO位判斷腫塊，該發明可以快速、高效的自動分割出乳腺X射線圖像上的腫塊，提升乳腺X射線圖像中腫塊的檢出率和準確率，具有較高的實際應用和推廣價值。

技術領域

本發明涉及乳腺X射線輔助診斷技術，特別涉及一種基于交叉注意力機制(CrossAttention)的乳腺腫塊分割方法。

背景技術

乳腺癌已經發展成為女性最常見的癌癥之一。乳腺內腫塊的準確識別是乳腺疾病確診的必要條件，由于受到乳房內高密度、等密度腺體組織的干擾，乳腺X射線中的腫塊極難用肉眼識別，如通過人工閱片進行識別需要耗費醫生大量的精力和時間。利用人工智能學習大量腫塊X射線樣本，能更快閱片，更準確的定位腫塊位置，為醫生后續判斷腫塊良惡性奠定堅實的基礎。

臨床工作中，一般對雙側乳腺進行攝片檢查，通常每側乳腺需要拍攝兩個體位。頭尾位(CC)是將乳腺上下壓迫，內外側斜位(MLO)是X線以45°從內上方向下方投射，所以一次鉬靶檢查可以獲得四幅圖像。乳腺X射線中診斷中，需要結合MLO和CC位來綜合判斷影像中是否存在腫塊，而現有技術僅只能從MLO或CC位之一來判斷腫塊，極易產生漏檢、誤檢，不能達到臨床要求的準確率。

發明內容

本發明要解決的技術問題是，克服現有技術中的不足，提供一種基于交叉注意力機制的乳腺腫塊分割方法。

為解決上述技術問題，本發明的解決方案是：

提供一種基于交叉注意力機制的乳腺腫塊分割方法，包括以下步驟：

(1)制作數據集

取足量的乳腺X射線DICOM(Digital Imaging and Communications inMedicine)圖像，經脫敏處理后轉換為RGB三原色圖像；按臨床醫學判斷標準對乳腺X射線圖像腫塊進行交叉標注，然后制作成為訓練數據集；在訓練數據集中，針對每個病案生成與原圖像大小一致的掩碼(mask)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)交叉注意力機制預處理

從步驟(1)得到的數據集中，取N張樣本及其對應腫塊的(mask)二值圖像進行歸一化處理，N不小于40000；從歸一化處理后的圖像中，取每個病例的單側乳房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圖像批次(batch)；將兩幅圖片的大小零填充(zeros padding)到相同的長寬，輸入圖像的批尺寸(batch size)為2。

(3)構建深度卷積神經網絡EfficientNet

構建EfficientNet-B0網絡結構，該網絡組成包括：一個卷積核大小為3x3、滑動步長為2x2、填充大小為1x1的卷積層；7個移動反轉瓶頸(Mobile Inverted bottleneck)塊(簡稱為MBConv)，一個全卷積層，一個邏輯回歸(Logistic)層；EfficientNet-B0網絡結構是由移動反轉瓶頸塊組成網絡主干，每個移動反轉瓶頸塊均由兩個常規卷積、一個深度可分離卷積(Depth wise Convolution)和一個注意力(Attention)模塊這三部分組成。

(4)調整圖像網絡數據集圖像網絡數據集(ImageNet)的預訓練權值分布