[發明專利]一種基于乳腺癌分子分型超聲多模態自動識別方法和裝置

在審

• 申請號: 202011271926.6
• 申請日: 2020-11-13
• 公開（公告）號: CN112465750A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 杜強;黃丹;郭雨晨;聶方興;唐超;張興
• 申請（專利權）人: 北京小白世紀網絡科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T5/00;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 秦瑩

本發明公開了一種基于乳腺癌分子分型超聲多模態自動識別模型的生成方法，對乳腺癌分子分型的灰階、彩超和彈性超聲圖像進行降噪預處理；將預處理后的三種超聲圖像進行數據增強；將增強后的三種超聲圖像進行模態模型訓練；最后對訓練形成的灰階、彩超、彈性模型進行集成。本發明提升自動識別效果，模型集成效果好，可輔助醫生完成對乳腺癌的檢測。

技術領域

本發明涉及人工智能領域，尤其是涉及一種基于乳腺癌分子分型超聲多模態自動識別方法和裝置。

背景技術

乳腺癌是女性中最常見的癌癥，女性在一生中患上病風險高達12％，死亡風險高達5％，乳腺癌的發病率一直在上升，但在許多工業化國家，經過一段時間的持續上升后，乳腺癌死亡率在過去10-15年保持穩定。乳腺X線篩查方案的大規模引入，使的小腫瘤和侵襲性較低的腫瘤得到了更早的發現和診斷，使得乳腺癌患病風險有所下降。在過去的幾十年里，治療技術的進步也使乳腺癌死亡風險率大幅下降，導致了乳腺癌存活率的大量增加。但是，確診后5年和 10年的相對生存率分別為88％和77％，均顯著高于所有癌癥的5年內相對生存率之和。因此，尋找預測乳腺癌患者5年生存期內能夠生存的重要作用因素，并分析這些因素對診斷后10年甚至更長時間生存期的所起的作用是必要的。近年來在乳腺癌分子分型上的預后價值方面取得了重大進展，但是乳腺癌的分子分型的確定仍是十分困難的，依賴專家的水平及經驗，在醫療水平較低的地區，乳腺癌的篩查更顯困難。

近年來，超聲成像技術大為發展，是臨床實踐中檢測疾病的最常見方案之一。超聲成像具有許多優點，超聲成像的時候，超聲波是屬于一種機械波，所以它沒有放射性的損傷，所以這種檢查的安全性非常的高。超聲檢查可以動態的顯示器官的運動以及血流狀況，所以可以同時獲取功能和形態學方面的信息，這樣就更有利于病變的檢出了。超聲檢查不僅非常的便捷易于操作，而且他的檢查費用也比其他的檢查方式低廉。因此超聲具有安全性，實時和低成本優點。在超聲系統搭建的自動診療系統也為近年來迅速崛起深度學習的應用提供了基礎。在深度學習之前，往往通過人工提取特征，然后使用支持向量機、決策樹、邏輯回歸等機器學習方法進行自動識別，但提取特征的過程往往耗費十分巨大的人力，特征的好壞往往依賴提取特征專家的經驗。而深度學習則可以自動提取圖像高層特征，進行端對端的學習。在2012年Imagenet比賽表現出的優異效果后，深度學習卷積神經網絡的開始統治圖像識別領域，廣泛應用在圖像識別、定位、分割、目標跟蹤、人臉識別等各個領域。

然而用深度學習方法對乳腺癌超聲圖像進行分子分型預測相對缺失，故提出了一種基于乳腺癌分子分型超聲多模態自動識別方法。

發明內容

本發明實施例提供了本發明的目的在于提供一種基于乳腺癌分子分型超聲多模態自動識別方法，旨在解決解決在乳腺癌分子分型自動識別問題。

一種基于乳腺癌分子分型超聲多模態自動識別模型的生成方法，包括如下步驟，

S1、對乳腺癌分子分型的灰階、彩超和彈性超聲圖像進行降噪預處理；

S2、將預處理后的三種超聲圖像進行數據增強；

S3、將增強后的三種超聲圖像進行模態模型訓練；

S4、對訓練形成的灰階、彩超、彈性模型進行集成。

所述S1包括，

S11、從原始的乳腺癌超聲圖像的影像區域中，取左上和右下為兩端截取圖像；

S12、對截取的圖像進行灰度化；

S13、以零為閾值剪去灰度化后圖像像素最低值；

S14、對S13得到圖像進行開運算，腐蝕圖像噪音區域；

S15、采用找尋最大值連通區域算法，確定最大噪音區域后進行矩形擬合；

S16、獲取矩形擬合圖像與截取圖像的交集，完成圖像的降噪預處理。