[發明專利]一種乳腺超聲圖像病灶智能識別防漏判系統的構建方法

在審

• 申請號: 202110273723.9
• 申請日: 2021-03-15
• 公開（公告）號: CN112687391A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 章毅;郭泉;戚曉峰;劉文杰;周堯;張蕾
• 申請（專利權）人: 四川大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H15/00;G06T7/00
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 崔璐

1.一種乳腺超聲圖像病灶智能識別防漏判系統的構建方法，其特征在于：包括S1.數據準備，S2.深度神經網絡模型設計，S3.防漏診數據一致性設計，S4.防漏診模型訓練，S5.防漏診模型測試。

2.根據權利要求1所述的乳腺超聲圖像病灶智能識別防漏判系統的構建方法，其特征在于：數據準備包括以下步驟：

S1.1.數據標注：對于彩超圖像中發生乳腺癌病變的確切位置進行標注，以獲取對應圖像的標簽，每一張彩超圖像對應一個標簽，0代表正常乳腺或者良性腫瘤，1代表惡性腫瘤；

S1.2.數據預處理：對于每個彩超報告，裁減掉除了彩超圖像以外的其他信息以防止額外信息的干擾；將每張彩超圖像重新拉伸或縮減至相同大小以適應網絡輸入大小；

S1.3.數據集劃分：將預處理過后的彩超圖像數據按照4:1的比例劃分為訓練集、測試集。

3.根據權利要求1所述的乳腺超聲圖像病灶智能識別防漏判系統的構建方法，其特征在于：深度神經網絡模型設計包括以下步驟：

S2.1.訓練數據增強：待訓練彩超圖像將進行隨機角度旋轉、隨機中心剪裁、隨機垂直翻轉和隨機水平翻轉這幾種方法疊加來擴充訓練集；

S2.2.數據編碼：將彩超圖像數據轉化為計算機模型能夠識別的模式，對于每一張彩超圖像，采用RGB三通道編碼方式將其轉化為對應的數值，同時壓縮每張圖片為同一大小以適應網絡輸入；每張圖片的輸入維度為3×圖片長度×圖片寬度；其對應標簽，其中0代表正常乳腺或良性腫瘤，1代表惡性腫瘤；

S2.3.特征提取：將編碼后的彩超圖像數據輸入到神經網絡用于訓練，整個神經網絡包括多個不同尺度的卷積層，多個不同尺度的最大池化層，非線性激活函數ReLu函數，一個全局平均池化層；

S2.4.分類模塊處理：將提取到的特征輸入到該分類模塊用于整合所有特征以獲得最終的分類結果；該分類模塊采用softmax函數，將對是否屬于0類和是否屬于1類分別給出概率值，最后選取給定概率最高的為預測結果；

S2.5.誤差反向傳播：分類模塊輸出結果后，將預測值與真實標簽相減得到預測誤差；運用BP算法將誤差反向傳播以更新網絡中每一層的權值，最終通過不斷地迭代訓練出穩定的分類網絡。

4.根據權利要求1所述的乳腺超聲圖像病灶智能識別防漏判系統的構建方法，其特征在于：防漏診數據一致性設計基于以下兩種一致性：空間一致性和分布一致性；

空間一致性，保證圖像在空間上的一致性，每張圖像在進入防漏診模型訓練之前將放入自編碼網絡進行圖像復原；自編碼網絡的輸入為通過各種方式獲取的圖像數據，輸出為該圖像對應的原始彩超圖像；對于輸入數據，自編碼器將自動學習一種對應的映射關系，使得輸出數據滿足；其中編碼器負責將輸入壓縮至中間特征，解碼器負責將中間特征解碼到對應數據分布；

分布一致性，采用生成對抗網絡來實現分布一致性，原始訓練數據集將被分為和兩個子集，其中表示所有為陰性的乳腺彩超圖像，表示所有為陽性的乳腺彩超圖像；將隨機生成的特征作為生成器的輸入，生成器將自動學習生成分類器的輸出特征，該特征在訓練鑒別器時將賦予標簽0，即假的特征；同時再將真正的分類網絡輸出的特征賦值為1，即真的特征；之后兩種標簽一齊放入鑒別器來訓練它，通過生成器與鑒別器不斷地對抗學習。