[發(fā)明專利]乳腺圖像病灶匹配方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011554809.0
• 申請日: 2020-12-24
• 公開（公告）號: CN112561908B
• 公開（公告）日: 2021-11-23
• 發(fā)明（設(shè)計）人: 王逸川;趙子威;王子騰;王立威;孫應(yīng)實;胡陽;丁佳;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;G06T7/62;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京樂知新創(chuàng)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11734
• 代理人: 江宇

1.一種用于乳腺圖像的病灶匹配方法，其特征在于，包括：

獲取同一次檢測中的乳腺X線圖像不同視角的圖像，所述不同視角的圖像包括頭尾位(CC位)圖像和內(nèi)外側(cè)斜位(MLO位)圖像；

獲取所述頭尾位圖像中的第一病灶和對應(yīng)的病灶信息，獲取所述內(nèi)外側(cè)斜位圖像中的第二病灶和對應(yīng)的病灶信息，其中所述病灶信息包括：病灶位置、病灶大小、病灶類別和病灶概率；

確定所述第一病灶對應(yīng)的頭尾位病灶掩膜圖像和所述第二病灶對應(yīng)的內(nèi)外側(cè)斜位病灶掩膜圖像；

將所述頭尾位圖像和所述頭尾位病灶掩膜圖像分別作為不同的通道，生成頭尾位病灶合成圖像；將所述內(nèi)外側(cè)斜位圖像和所述內(nèi)外側(cè)斜位病灶掩膜圖像分別作為不同的通道，生成內(nèi)外側(cè)斜位病灶合成圖像；

使用預(yù)先訓(xùn)練的象限分類網(wǎng)絡(luò)分別對所述頭尾位病灶合成圖像和所述內(nèi)外側(cè)斜位病灶合成圖像進行處理，確定所述第一病灶和所述第二病灶各自對應(yīng)的病灶象限；

使用預(yù)先訓(xùn)練的深度回歸網(wǎng)絡(luò)分別對所述頭尾位病灶合成圖像和所述內(nèi)外側(cè)斜位病灶合成圖像進行處理，確定所述第一病灶和所述第二病灶各自對應(yīng)的病灶深度；

將所述第一病灶和所述第二病灶各自對應(yīng)的病灶位置、病灶大小、病灶類別、病灶概率、病灶象限和病灶深度作為病灶特征，使用梯度提升決策樹(GBDT)模型確定所述第一病灶和所述第二病灶為同一病灶的匹配得分；

所述第一病灶和所述第二病灶包括多個病灶，分別確定所述第一病灶中的每個病灶和所述第二病灶中的每個病灶的匹配得分，得到匹配得分矩陣，根據(jù)所述匹配得分矩陣確定所述第一病灶中的每個病灶和所述第二病灶中的每個病灶之間的匹配關(guān)系。

2.如權(quán)利要求1所述的方法，其特征在于：

所述獲取所述頭尾位圖像中的第一病灶和對應(yīng)的病灶信息的步驟包括：

使用預(yù)設(shè)乳腺病灶檢測模型對所述頭尾位圖像進行處理；

所述獲取所述內(nèi)外側(cè)斜位圖像中的第二病灶和對應(yīng)的病灶信息的步驟包括：

使用所述預(yù)設(shè)乳腺病灶檢測模型對所述內(nèi)外側(cè)斜位圖像進行處理。

3.如權(quán)利要求2所述的方法，其特征在于，所述預(yù)設(shè)乳腺病灶檢測模型為經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，所述經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型的輸出包括所述病灶信息。

4.如權(quán)利要求2或3所述的方法，其特征在于，其中，所述病灶深度為所述病灶到乳頭的歸一化距離。

5.如權(quán)利要求4所述的方法，其特征在于，還包括：

將所述第一病灶的病灶特征和所述第二病灶的病灶特征進行拼接，將拼接后的病灶特征作為所述梯度提升決策樹模型的輸入。

6.如權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述匹配得分矩陣確定病灶之間的匹配關(guān)系的步驟包括：

S1：確定所述匹配得分矩陣中的最大匹配得分，

S2：將所述最大匹配得分和預(yù)設(shè)匹配閾值進行對比；

S3：若所述最大匹配得分大于所述匹配閾值，將所述最大匹配得分對應(yīng)的兩個病灶確定為匹配病灶，在所述匹配得分矩陣中去掉所述最大匹配得分所在的行和列，得到新的匹配得分矩陣，跳轉(zhuǎn)到步驟S1；

S4：若所述最大匹配得分小于所述閾值，確定當前匹配得分矩陣中不存在匹配病灶；輸出匹配病灶結(jié)果。