[發(fā)明專利]一種基于人工智能的動態(tài)乳腺超聲視頻全病灶實時檢測和分割裝置、系統(tǒng)及圖像處理方法

有效

• 申請?zhí)枺?/td>: 202011333447.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112446862B
• 公開（公告）日: 2021-08-10
• 發(fā)明（設計）人: 馬璐;王東;王立威;張文濤;王子騰;張佳琦;丁佳;胡陽;呂晨翀
• 申請（專利權(quán)）人: 北京醫(yī)準智能科技有限公司;廣西醫(yī)準智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/62;G06T7/73;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京蕙識同聯(lián)專利代理事務所(特殊普通合伙) 11966
• 代理人: 張林;劉曄

1.一種基于AI的動態(tài)乳腺超聲視頻處理方法，其特征在于：所述方法至少包含如下步驟：(1)系統(tǒng)魯棒性設計、(2)數(shù)據(jù)預處理、(3)數(shù)據(jù)擴增、(4)病灶檢測以及(5)病灶分割；

所述(1)系統(tǒng)魯棒性設計包括：1)按照1：1比例對不同主流超聲機型產(chǎn)生的數(shù)據(jù)進行采集；2)正常和異常的數(shù)據(jù)按照1：1的比例進行采集；3)異常數(shù)據(jù)中各類型數(shù)據(jù)按照1：1的比例進行采集，所述異常數(shù)據(jù)包括但不限于結(jié)節(jié)、低回聲區(qū)、結(jié)構(gòu)紊亂區(qū)、淋巴結(jié)、導管異常和鈣化；

所述(2)數(shù)據(jù)預處理包括有效區(qū)域分割和數(shù)據(jù)歸一化步驟；所述有效區(qū)域分割模塊通過讀取視頻影像，對每一幀影像按照對應的有效區(qū)域范圍，將圖像分割出來；所述數(shù)據(jù)歸一化模塊采用Max/Min歸一化方法；

所述(4)病灶檢測是利用超聲視頻影像進行檢測和分割的faster rcnn模型訓練，所述病灶檢測步驟包括：

1)利用遞歸特征金字塔RFP網(wǎng)絡進行特征提??；

2)利用Deformable convolutional network學習特征偏移；

3)利用LSTM網(wǎng)絡提取時間維度信息；

4)加入注意力機制提高檢測精度；

所述(5)病灶分割步驟包括：

1)依據(jù)bounding box的尺寸將病灶從原圖像剪切下來；

2)對剪切下來的圖像，利用空洞卷積ResNet網(wǎng)絡來提取特征圖，得到大小為原圖1/8的特征圖；

3)采用深度為4的金字塔池化模塊來獲取特征圖的語境信息，其池化核大小分別為圖像的全部、一半和小部分，通過一個1*1卷積層將特征維度縮減為原來的1/4，將這些金字塔特征直接上采樣到與輸入特征相同尺寸，然后和輸入特征做concat操作得到最終輸出的全局特征圖，將融合得到的全局特征與原始特征圖連接起來；

4)通過一層卷積層生成最終的分割圖；

5)根據(jù)形態(tài)學方法獲得病灶的長短徑。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述Max/Min歸一化方法步驟包括：1)讀取視頻影像，對每一幀影像進行歸一化；2)對單幀影像遍歷整幅圖，找到灰度值的最大值xmax以及最小值xmin；3)根據(jù)公式對每一個像素的灰度值計算獲得其歸一化之后的值。

3.根據(jù)權(quán)利要求1-2任一所述的方法，其特征在于，所述(3)數(shù)據(jù)擴增步驟包括：1)按順序讀取視頻；2)為當前視頻隨機選擇是否反轉(zhuǎn)；3)若當前視頻選擇反轉(zhuǎn)，繼續(xù)隨機選擇反轉(zhuǎn)方法。