[發明專利]一種基于序數回歸的乳腺鉬靶病灶良惡性分析方法

在審

• 申請號: 202011490386.0
• 申請日: 2020-12-17
• 公開（公告）號: CN112614096A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 張可欣;王東;王子騰;王立威;孫應實;胡陽;丁佳;呂晨翀
• 申請（專利權）人: 北京醫準智能科技有限公司;廣西醫準智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明針對采用二分類方法對乳腺鉬靶良惡性進行分析可能導致的算法預測結果與醫生預期偏差過大的問題，提出了基于序數回歸的鉬靶良惡性分析框架，鉬靶良惡性分析算法框架由特征提取及序數回歸操作構成。為提升算法結果與醫生預期的擬合度，使算法能更好地輔助醫生進行乳腺鉬靶良惡性分析工作，同時為了將算法預測結果轉換為醫生更易理解的形式，設計了將算法預測結果映射至BI?RADS等級的方法。本發明提出的乳腺鉬靶病灶病灶良惡性分析算法有效利用了序數回歸算法框架，并使得算法能提供與醫生判斷更為一致的良惡性預測結果。

技術領域

本發明涉及影像處理領域，具體涉及一種乳腺鉬靶影像的分析方法。

背景技術

乳腺癌是當今對女性生命健康威脅最大的惡性腫瘤之一，乳腺癌的早期發現和正確的治療可將病人的生存率極大提升，正確判斷乳腺病灶的良惡性對乳腺癌的正確治療非常關鍵。在目前針對乳腺癌的篩查的多種方法中，鉬靶是應用范圍最廣的方法。

基于鉬靶圖像的乳腺病灶良惡性分析需要綜合病灶形態、病灶分布、病灶邊緣、病灶位置等多種信息，這使得基于手工提取特征的方法難以確定需要提取的特征并準確地提取特征。目前基于深度學習的算法在圖像分類、物體檢測、圖像分割等計算機視覺問題中取得了出色的表現，但在此前的論文中，乳腺鉬靶病灶良惡性分析問題通常被處理為二分類問題。在實驗中采用二分類方法處理乳腺鉬靶病灶良惡性分析問題導致了一系列問題。在實驗中，采用二分類方法會導致算法在部分病灶上的預測結果接近0或1，這與醫生日常使用習慣不同，在日常使用中醫生希望算法預測的病灶惡性概率在[0,1]之間分布。同時在病灶預測結果接近0或1的情況下，算法預測錯誤會導致算法預測結果與醫生期望差距過大。

發明內容

本發明的目的在于針對現有技術中，針對采用二分類方法對乳腺鉬靶良惡性進行分析可能導致的算法預測結果與醫生預期偏差過大的問題，為提升算法結果與醫生預期的擬合度，使算法能更好地輔助醫生進行乳腺鉬靶良惡性分析工作，本發明提出了基于序數回歸的鉬靶良惡性分析框架。同時為了將算法預測結果轉換為醫生更易理解的形式，本發明設計了將算法預測結果映射至BI-RADS等級的方法。

為解決上述技術問題，本發明采用如下技術方案：

本發明公開了一種乳腺鉬靶影像分析方法，包括建立鉬靶良惡性分析算法框架以及將鉬靶良惡性分析算法得到的結果映射到BI-RADS等級，其特征在于，所述鉬靶良惡性分析算法框架由特征提取及序數回歸操作構成。

優選的，所述特征提取采用18層殘差網絡。

優選的，所述18層殘差網絡由4個殘差單元構成

優選的，所述殘差單元由卷積層、歸一化操作以及激活函數構成。

優選的，所述特征提取過程中采用恒等映射。

優選的，所述序列回歸采用多個二分類結構進行處理。

優選的，所述二分類問題采用的損失函數為交叉熵損失函數。

優選的，所述將鉬靶良惡性分析算法得到的結果映射到BI-RADS等級采用加權平均對多個二分類模型得到的結果進行加權。

本發明公開了一種基于乳腺鉬靶影像分析的裝置，其特征在于，包括：至少一個存儲器，用于存儲程序；至少一個處理器，用于加載所述程序以執行如權利要求1-8任一項所述的分析方法。

本發明公開了一種存儲介質，其中存儲有處理器可執行的指令，其特征在于，所述處理器可執行的指令在由處理器執行時用于實現如權利要求1-8任一項所述的分析方法。

本發明公開的乳腺鉬靶影像分析方法包括兩個階段：第一個階段是建立鉬靶良惡性分析算法框架；第二階段是將鉬靶良惡性分析算法得到的結果映射到BI-RADS等級。

第一階段的鉬靶良惡性分析算法框架由特征提取及序數回歸操作兩部分構成。