[發(fā)明專利]一種結(jié)節(jié)分級(jí)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110961147.7
• 申請(qǐng)日: 2021-08-20
• 公開(kāi)（公告）號(hào): CN113658146B
• 公開(kāi)（公告）日: 2022-08-23
• 發(fā)明（設(shè)計(jì)）人: 程棟梁;張泉;謝蠡;劉振
• 申請(qǐng)（專利權(quán)）人: 合肥合濱智能機(jī)器人有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/74;G06V10/764;G06N20/00
• 代理公司: 安徽知問(wèn)律師事務(wù)所 34134
• 代理人: 代群群

1.一種結(jié)節(jié)分級(jí)方法，其特征在于，所述方法包括：

獲得待測(cè)乳腺區(qū)域的乳腺超聲圖像，提取所述待測(cè)乳腺區(qū)域的乳腺超聲圖像中某一處或多處的病灶區(qū)域圖像；

將所述病灶區(qū)域圖像輸入預(yù)置的特征提取網(wǎng)絡(luò)模型，提取第一特征向量；

計(jì)算所述第一特征向量與預(yù)置標(biāo)簽庫(kù)中第二特征向量的相似度；其中所述第二特征向量與預(yù)置標(biāo)簽庫(kù)中BI-RADS分級(jí)標(biāo)準(zhǔn)相對(duì)應(yīng)；

根據(jù)所述相似度確定所述第一特征向量對(duì)應(yīng)的病灶區(qū)域圖像在BI-RADS中分級(jí)結(jié)果；

所述預(yù)置的特征提取網(wǎng)絡(luò)模型的自監(jiān)督訓(xùn)練步驟包括：

構(gòu)建訓(xùn)練集，將訓(xùn)練集中的每張?jiān)瓐D像進(jìn)行圖片增廣，獲得與所述原圖像對(duì)應(yīng)的增廣圖像；圖像進(jìn)行數(shù)據(jù)增廣步驟包括，水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、隨機(jī)裁剪以及全局亮度對(duì)比度浮動(dòng)；

提取與原圖像對(duì)應(yīng)的第一特征，提取與增廣圖像對(duì)應(yīng)的第二特征；

將第一特征通過(guò)特征映射獲得第三特征；所述第三特征維度與第一特征維度相同；

將第三特征與第二特征的余弦相似度作為損失函數(shù)，訓(xùn)練并更新整個(gè)網(wǎng)絡(luò)模型；

所述損失函數(shù)的公式為：

其中，Loss 的取值范圍是[0,1]，由于所述原圖像和增廣的圖像為同類，確定網(wǎng)絡(luò)優(yōu)化的目標(biāo)函數(shù)就是Loss=0；使用收斂的特征提取網(wǎng)絡(luò)做作為預(yù)置的特征提取網(wǎng)絡(luò)模型；

檢測(cè)待測(cè)乳腺區(qū)域的乳腺超聲圖像，獲取所述待測(cè)乳腺區(qū)域的乳腺超聲圖像中某一處或多處的病灶區(qū)域的裁剪窗；

以目標(biāo)區(qū)域像素的最小裁剪窗中心點(diǎn)為中心，目標(biāo)區(qū)域像素的最大的裁剪窗的長(zhǎng)度和高度進(jìn)行裁剪獲得第一區(qū)域圖像；

將所述第一區(qū)域圖像的越界區(qū)域填充，獲得所述病灶區(qū)域圖像；

具體將上述得到的裁剪窗，取裁剪窗左上角和右下角兩個(gè)點(diǎn)的坐標(biāo)；使用分割網(wǎng)絡(luò)得到的病灶區(qū)域圖像，取目標(biāo)區(qū)域像素的最小矩形包圍框的左上角和右下角，計(jì)算矩形區(qū)域的中心點(diǎn)，以中心點(diǎn)為中心、寬和高的最大值裁剪圖像，得到一張正方形的第一結(jié)節(jié)區(qū)域，越界的區(qū)域補(bǔ)純黑色，該裁剪方法可避免先裁剪再縮放產(chǎn)生的拉伸變形；

所述的預(yù)置標(biāo)簽庫(kù)包括多組子屬性庫(kù)，所述子屬性與BI-RADS分級(jí)的標(biāo)準(zhǔn)對(duì)應(yīng)；所述第二特征向量包括分別與所述多組子屬性庫(kù)對(duì)應(yīng)的子特征向量；

計(jì)算第一特征向量分別與所述子特征向量的相似度；

根據(jù)所述第一特征向量對(duì)應(yīng)的病灶區(qū)域分別在多組子屬性庫(kù)中的屬性；確定所述第一特征向量對(duì)應(yīng)的病灶區(qū)域圖像在BI-RADS中分級(jí)結(jié)果。