[發(fā)明專利]超聲視頻病灶檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202111065766.4
• 申請(qǐng)日: 2020-11-25
• 公開（公告）號(hào): CN113781440B
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 馬璐;王東;王立威;張文濤;王子騰;張佳琦;丁佳;胡陽(yáng);呂晨翀
• 申請(qǐng)（專利權(quán)）人: 北京醫(yī)準(zhǔn)智能科技有限公司;廣西醫(yī)準(zhǔn)智能科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/62;G06T7/73;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京樂知新創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11734
• 代理人: 王瞾寅

本申請(qǐng)?zhí)峁┝艘环N超聲視頻病灶檢測(cè)方法及裝置；所述方法包括：利用特征金字塔網(wǎng)絡(luò)對(duì)采集的超聲影像進(jìn)行特征提取，得到所述超聲影像對(duì)應(yīng)的特征矩陣；利用可變形卷積網(wǎng)絡(luò)確定所述特征矩陣對(duì)應(yīng)的特征偏移；基于所述特征偏移和所述特征矩陣，確定新的特征矩陣；基于所述新的特征矩陣確定所述超聲影像對(duì)應(yīng)的病灶信息。

本申請(qǐng)是申請(qǐng)?zhí)枮?02011333447.2，申請(qǐng)日為2020年11月25日，發(fā)明名稱為：一種基于人工智能的動(dòng)態(tài)乳腺超聲視頻全病灶實(shí)時(shí)檢測(cè)和分割裝置、系統(tǒng)及圖像處理方法的分案申請(qǐng)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及醫(yī)學(xué)圖像領(lǐng)域，特別涉及一種超聲視頻病灶檢測(cè)方法及裝置。

背景技術(shù)

乳腺癌即乳腺惡性腫瘤，根據(jù)國(guó)家癌癥中心公布的數(shù)據(jù)顯示，乳腺癌位居我國(guó)女性惡性腫瘤發(fā)病第1位，嚴(yán)重威脅女性健康。美國(guó)弗吉尼亞大學(xué)Hillman教授2010年在《NEngl J Med》上撰文指出：早期精確診斷可使乳腺癌患者5年生存率從25％提高到99％。

乳腺超聲技術(shù)具有無(wú)創(chuàng)、快捷、重復(fù)性強(qiáng)等優(yōu)點(diǎn)，能清楚地顯示乳腺各層軟組織及其中腫塊的形態(tài)、內(nèi)部結(jié)構(gòu)及相鄰組織的改變。由于無(wú)放射性，可適用于任何年齡，尤其是妊娠及哺乳期女性的乳腺檢查。對(duì)X線照射有困難的部位(如乳腺邊緣)，可以作為彌補(bǔ)檢查，而且能較好地顯示腫塊的位置、形態(tài)、結(jié)構(gòu)等。對(duì)較致密乳腺，即使有腫塊也難以分辨時(shí)，超聲可利用聲波界面反射的差別，清晰顯示病灶的輪廓和形態(tài)。

但我國(guó)的超聲檢查卻面臨兩大難題：一是超聲醫(yī)生培養(yǎng)難，醫(yī)生在能夠正確解讀超聲圖像之前，需要經(jīng)過(guò)大量的培訓(xùn)，且學(xué)習(xí)周期長(zhǎng)、學(xué)習(xí)難度大，不同操作者對(duì)圖像的解讀具有差異性；二是我國(guó)超聲醫(yī)生資源嚴(yán)重緊缺，衛(wèi)計(jì)委統(tǒng)計(jì)年鑒顯示，超聲注冊(cè)醫(yī)生至少有10萬(wàn)人的缺口。目前，乳腺超聲影像診斷的高需求和現(xiàn)實(shí)供給之間的不平衡，已經(jīng)成為臨床實(shí)踐中亟待解決的主要問(wèn)題之一。

醫(yī)學(xué)影像的全面數(shù)字化和計(jì)算機(jī)技術(shù)的發(fā)展，為從技術(shù)層面解決這一問(wèn)題帶來(lái)了希望。最先發(fā)展起來(lái)的是計(jì)算機(jī)輔助檢測(cè)/診斷(computer aided detection/diagnosis，CAD)系統(tǒng)。CAD是一種通過(guò)綜合運(yùn)用計(jì)算機(jī)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、圖像處理與分析方法，由人工從醫(yī)學(xué)影像上進(jìn)行特征提取、標(biāo)注可疑病變位置、對(duì)病灶區(qū)域進(jìn)行良惡性判斷的AI技術(shù)。這種訓(xùn)練方法易于理解，因?yàn)槠浣Y(jié)果是依據(jù)輸入的特征運(yùn)算的，可以有效提高訓(xùn)練的效率和準(zhǔn)確率，降低運(yùn)算的復(fù)雜度。但傳統(tǒng)CAD功能單一、性能不足，病灶檢出假陽(yáng)性率過(guò)高，在性能上很快到達(dá)瓶頸，其臨床價(jià)值沒有得到充分肯定。

近幾年，隨著深度學(xué)習(xí)算法的出現(xiàn)和成熟，AI技術(shù)在醫(yī)學(xué)影像中的應(yīng)用逐步走向了更高的層面，為突破傳統(tǒng)CAD系統(tǒng)的準(zhǔn)確性瓶頸帶來(lái)了可能。與傳統(tǒng)CAD不同的是，深度學(xué)習(xí)可以不依據(jù)人工提取的特征進(jìn)行后續(xù)的圖像處理。有學(xué)者指出，深度神經(jīng)網(wǎng)絡(luò)提取的特征有時(shí)比人類設(shè)計(jì)的特征更有效。大量超聲CAD模型的成果構(gòu)建和優(yōu)秀的診斷能力也證明了這一點(diǎn)。例如liu以及Shi等人將有監(jiān)督的深度學(xué)習(xí)技術(shù)應(yīng)用到了乳腺超聲影像中，將S-DPN網(wǎng)絡(luò)應(yīng)用于兩個(gè)小的乳腺超聲數(shù)據(jù)集中，在加入了一些后處理方法如SVM之后最高分類準(zhǔn)確率達(dá)到了92.4％；Han S等人利用深度卷積網(wǎng)絡(luò)GoogLeNet CNN對(duì)5151個(gè)病人的7408張超聲影像進(jìn)行了乳腺超聲影像的分類，實(shí)現(xiàn)了端對(duì)端的學(xué)習(xí)，分類準(zhǔn)確率達(dá)到了90％，超過(guò)了人類醫(yī)生。但目前這些探索大多都還著眼于二維影像的結(jié)節(jié)，對(duì)于臨床實(shí)際應(yīng)用場(chǎng)景來(lái)講，一是基于二維圖的輔助檢測(cè)對(duì)臨床的幫助非常有限，通常需要醫(yī)生手動(dòng)截圖，再將圖像傳給服務(wù)器進(jìn)行檢測(cè)，而臨床掃描超聲的過(guò)程中，圖像是在不斷的變化的，所以這種檢測(cè)方式不僅會(huì)打破醫(yī)生的診斷流程，增加操作負(fù)擔(dān)，而且醫(yī)生也不可能圖像變化一次就截圖一次，完全無(wú)法應(yīng)用于臨床；二是，大多研究都僅著眼于結(jié)節(jié)的輔助檢測(cè)，其他類型病灶還是需要完全靠醫(yī)生，并不能有效的幫助醫(yī)生提高信心及效率；三是，二維圖病灶信息并不充分，超聲圖像經(jīng)常會(huì)有某些切面的一些脂肪或血管等看起來(lái)與病灶無(wú)異，必須結(jié)合前后的影像綜合判斷，所以基于二維圖的準(zhǔn)確性存在天然的瓶頸，通常會(huì)有很高的假陽(yáng)性。