[發明專利]一種基于解耦機制的病灶良惡性預測方法及裝置

在審

• 申請號: 202110704633.0
• 申請日: 2021-06-24
• 公開（公告）號: CN113539477A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 張番棟;俞益洲;李一鳴;喬昕
• 申請（專利權）人: 杭州深睿博聯科技有限公司;北京深睿博聯科技有限責任公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06T7/13;G06T7/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 路遠

1.一種基于解耦機制的病灶良惡性預測方法，其特征在于，包括以下步驟：

利用重構約束，提取包含病灶的輸入圖像的所有特征信息；

利用良惡性病灶分類信息約束，從提取出來的特征信息中解耦出有利于病灶分類的特征；

利用征象信息約束，進一步解耦出與病灶有關的特征，所述征象信息包括病灶的大小、形狀、密度、邊緣形態；

將解耦出的所有與病灶有關的特征作為分類器的輸入進行學習；利用學習好的模型進行病灶良惡性預測。

2.根據權利要求1所述的基于解耦機制的病灶良惡性預測方法，其特征在于，所述方法還包括以下圖像預處理步驟：

對圖像進行歸一化處理，使所有圖像灰度分布保持一致；將圖像統一調整到大小為224像素*224像素。

3.根據權利要求1所述的基于解耦機制的病灶良惡性預測方法，其特征在于，基于一個特征提取模型提取輸入圖像的所有特征信息，所述特征提取模型利用一個表征原始圖像與還原圖像差異的損失函數保證所有特征信息都能還原回原圖像。

4.根據權利要求3所述的基于解耦機制的病灶良惡性預測方法，其特征在于，所述損失函數為：

LOSS＝||A-A′||

式中，LOSS為還原損失函數，A為原始圖像，A′還原圖像。

5.根據權利要求1所述的基于解耦機制的病灶良惡性預測方法，其特征在于，在所述進一步解耦出與病灶有關的特征之后還包括：利用圖網絡進一步學習與病灶有關的特征，圖的頂點代表病灶相關征象，邊代表病灶征象之間的相關性。

6.一種基于解耦機制的病灶良惡性預測裝置，其特征在于，包括：

特征提取模塊，用于利用重構約束，提取包含病灶的輸入圖像的所有特征信息；

第一解耦模塊，用于利用良惡性病灶分類信息約束，從提取出來的特征信息中解耦出有利于病灶分類的特征；

第二解耦模塊，用于利用征象信息約束，進一步解耦出與病灶有關的特征，所述征象信息包括病灶的大小、形狀、密度、邊緣形態；

分類器學習模塊，用于將解耦出的所有與病灶有關的特征作為分類器的輸入進行學習；利用學習好的模型進行病灶良惡性預測。

7.根據權利要求6所述的基于解耦機制的病灶良惡性預測裝置，其特征在于，所述裝置還包括圖像預處理模塊，用于對圖像進行歸一化處理，使所有圖像灰度分布保持一致；將圖像統一調整到大小為224像素*224像素。

8.根據權利要求6所述的基于解耦機制的病灶良惡性預測裝置，其特征在于，基于一個特征提取模型提取輸入圖像的所有特征信息，所述特征提取模型利用一個表征原始圖像與還原圖像差異的損失函數保證所有特征信息都能還原回原圖像。

9.根據權利要求8所述的基于解耦機制的病灶良惡性預測裝置，其特征在于，所述損失函數為：

LOSS＝||A-A′||

式中，LOSS為還原損失函數，A為原始圖像，A′還原圖像。

10.根據權利要求6所述的基于解耦機制的病灶良惡性預測裝置，其特征在于，所述裝置還包括圖網絡學習模塊，用于在所述進一步解耦出與病灶有關的特征之后，利用圖網絡進一步學習與病灶有關的特征，圖的頂點代表病灶相關征象，邊代表病灶征象之間的相關性。