[发明专利]一种乳腺肿块自动检测方法及系统有效

专利信息
申请号: 201711437858.4 申请日: 2017-12-26
公开(公告)号: CN108464840B 公开(公告)日: 2021-10-19
发明(设计)人: 王凤艳;殷保才;刘聪 申请(专利权)人: 安徽科大讯飞医疗信息技术有限公司
主分类号: A61B6/00 分类号: A61B6/00;G06T7/10;G06T7/44
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王莹;李相雨
地址: 230088 安徽省合肥市高新区*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 乳腺 肿块 自动检测 方法 系统
【说明书】:

发明实施例提供一种乳腺肿块自动检测方法及装置,所述方法包括:获取待检测乳腺影像,从所述乳腺影像中获取候选肿块影像;所述候选肿块影像为所述乳腺影像中的部分子影像;将所述候选肿块影像作为预先构建的肿块识别模型的输入,获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。所述方法能够更加准确完成对待检测乳腺影像的分割,同时利用根据大量样本数据预先构建的神经网络识别模型,对分割后的影像进行识别,获得乳腺肿块,本方法具有适应性强,检测准确的有益效果。

技术领域

本发明涉及影像信息处理技术领域,更具体地,涉及乳腺肿块自动检测方法及系统。

背景技术

随着医疗水平的不断提高,人们在就医过程中会有各种影像数据用于辅助疾病的诊断。由相关统计数据指出,在医院数据中影像数据占了90%,且正以每年30%的速度增加,而影像科医生仅以4%左右的速度增加,由此可以看出大量影像数据的审阅给医生带来了极大的工作负担。此外,医生如果长时间审阅影像数据,极易发生疲劳的现象,进而导致诊断可能出现失误。

乳腺病变是威胁女性健康的一种常见疾病,特别是乳腺癌的发病率目前在我国已跃居女性恶性肿瘤发病率的首位,是导致全球女性死亡的第二大癌症类型,其死亡率仅此于肺癌,因此对乳癌病人进行早预防、早诊断、早治疗已成为影像科以及乳腺外科的工作重点。

在目前众多的乳腺疾病检测手段中,钼靶X线是最先进、最可靠的诊断技术。乳腺钼靶X线机具有普查、诊断、活检等多种功能。它不仅分辨率高,而且重复性好,能精细地记录不同穿透能力的软组织留下的X线影像,特别是能捕捉具有临床诊断意义的微小钙化灶;与此同时,乳腺钼靶影像对乳腺癌的诊断敏感性和特异性较高,留取的图像可供前后对比,不受患者年龄以及体形的限制,而且它也可以作为一种无创的乳腺病变检查手段,目前已成为医院的常规检查手段。虽然钼靶X线存在上述诸多优点,但是它仍存在一些不可避免的缺陷,特别是钼靶X线影像的信息只有很少部分能为人眼识别,即使富有经验的医生也很难及时发现钼靶X线影像上早期乳腺癌的微小钙化点,以致延误病人的治疗时机。

综上所述,亟待提供一种准确率更高的乳腺肿块检测方案。

发明内容

为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的乳腺肿块检测方法及装置。

根据本发明实施例的第一方面,提供了一种乳腺肿块检测方法,该方法包括:

获取待检测乳腺影像,从所述乳腺影像中获取候选肿块影像;所述候选肿块影像为所述乳腺影像中的部分子影像;

将所述候选肿块影像作为预先构建的肿块识别模型的输入,获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。

根据本发明实施例的第二方面,提供了一种乳腺肿块检测装置,该装置包括:

获取模块,用于获取待检测乳腺影像,从所述乳腺影像中获取候选肿块影像;所述候选肿块影像为所述乳腺影像中的部分子影像;

检测模块,用于将所述候选肿块影像作为预先构建的肿块识别模型的输入,获得所述候选肿块影像对应的乳腺位置是否出现肿块的检测结果。

根据本发明实施例的第三方面,提供了一种电子设备,包括:

至少一个处理器;以及

与处理器通信连接的至少一个存储器,其中:

存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的乳腺肿块检测方法。

根据本发明的第四方面,提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的乳腺肿块检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽科大讯飞医疗信息技术有限公司,未经安徽科大讯飞医疗信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711437858.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top