[發(fā)明專利]一種乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)的檢測(cè)方法及相關(guān)裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110271312.6
• 申請(qǐng)日: 2021-03-12
• 公開（公告）號(hào): CN112884759B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 蔡念;黃柯敏;王慧恒;姜揚(yáng)陽(yáng);林曉晴;周靜雯;黎劍;王晗
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/764;G06V10/80;G06V10/82
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 許慶勝

1.一種乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)的檢測(cè)方法，其特征在于，包括：

獲取病人的腋窩淋巴結(jié)部位的B型超聲圖像和剪切波彈性超聲圖像；

將所述B型超聲圖像和所述剪切波彈性超聲圖像輸入到深度學(xué)習(xí)模型中進(jìn)行特征提取、特征融合和分類預(yù)測(cè)，得到所述病人的乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)檢測(cè)結(jié)果；

其中，所述深度學(xué)習(xí)模型包括：影像組學(xué)特征模塊、B型超聲圖像深度學(xué)習(xí)圖像特征模塊、剪切波彈性超聲深度學(xué)習(xí)圖像特征模塊、特征融合模塊和Softmax層；其中，所述B型超聲圖像深度學(xué)習(xí)圖像特征模塊的網(wǎng)絡(luò)結(jié)構(gòu)和所述剪切波彈性超聲深度學(xué)習(xí)圖像特征模塊的網(wǎng)絡(luò)結(jié)構(gòu)相同，且所述B型超聲圖像深度學(xué)習(xí)圖像特征模塊與所述剪切波彈性超聲深度學(xué)習(xí)圖像特征模塊共享權(quán)重參數(shù)；

所述將所述B型超聲圖像和所述剪切波彈性超聲圖像輸入到深度學(xué)習(xí)模型中進(jìn)行特征提取、特征融合和分類預(yù)測(cè)，得到所述病人的乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)檢測(cè)結(jié)果具體為：

將所述B型超聲圖像和所述剪切波彈性超聲圖像輸入到深度學(xué)習(xí)模型中，通過(guò)所述影像組學(xué)特征模塊和所述B型超聲圖像深度學(xué)習(xí)圖像特征模塊分別對(duì)所述B型超聲圖像進(jìn)行特征提取，得到第一特征向量和第二特征向量，通過(guò)所述剪切波彈性超聲深度學(xué)習(xí)圖像特征模塊對(duì)所述剪切波彈性超聲圖像進(jìn)行特征提取，得到第三特征向量；

其中，所述第一特征向量的獲取方法具體包括：

將所述B型超聲圖像輸入到所述深度學(xué)習(xí)模型中，通過(guò)目標(biāo)特征提取模塊對(duì)所述B型超聲圖像進(jìn)行特征提取，得到目標(biāo)特征，所述目標(biāo)特征包括形態(tài)特征、直方圖特征和灰度紋理特征；其中，所述深度學(xué)習(xí)模型包括目標(biāo)特征提取模塊；通過(guò)所述影像組學(xué)特征模塊對(duì)所述目標(biāo)特征進(jìn)行特征提取，得到所述第一特征向量；其中，所述第一特征向量的計(jì)算過(guò)程為：

H＝σ(XW_h+b_h)；

O＝HW₀+b₀；

式中，O表示第一特征向量；H表示影像組學(xué)特征模塊中隱藏層的輸出，σ(·)為激活函數(shù)，X表示目標(biāo)特征，W_h表示隱藏層的權(quán)重參數(shù)，b_h表示隱藏層的偏差參數(shù)，W_o表示輸出層的權(quán)重參數(shù)，b_o表示輸出層的偏差參數(shù)；

其中，所述第二特征向量的獲取方法具體包括：

將所述B型超聲圖像輸入到所述B型超聲圖像深度學(xué)習(xí)圖像特征模塊進(jìn)行特征提取，得到所述第二特征向量；

通過(guò)所述特征融合模塊對(duì)所述第一特征向量、所述第二特征向量和所述第三特征向量進(jìn)行特征拼接，得到融合特征；

通過(guò)所述Softmax層對(duì)所述融合特征進(jìn)行分類預(yù)測(cè)，得到所述病人的乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)的檢測(cè)方法，其特征在于，所述影像組學(xué)特征模塊為由輸入層、隱藏層和輸出層構(gòu)成的多層感知器網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)的檢測(cè)方法，其特征在于，所述深度學(xué)習(xí)模型的配置過(guò)程為：

獲取B型超聲訓(xùn)練圖像和剪切波彈性超聲訓(xùn)練圖像；

將所述B型超聲訓(xùn)練圖像和所述剪切波彈性超聲訓(xùn)練圖像輸入到深度學(xué)習(xí)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，得到所述深度學(xué)習(xí)模型。