[发明专利]一种3D乳腺图像的分析方法及系统、介质

说明书

本公开提供一种3D乳腺图像的分析方法及相关产品，所述方法包括如下步骤：获取训练的3D乳腺图像，将该训练的3D乳腺图像随机裁剪成设定尺寸的图像块，将该图像块经过数据增加后输入到3D U‑net神经网络中进行训练，训练完成后得到一个乳腺癌病灶自动检测的模型；获取待检测的3D乳腺图像，将该检测的3D乳腺图像按照滑动窗的形式裁剪成设定尺寸的图像块，将所述乳腺癌病灶自动检测的模型进行测试得到图像块测试结果，将该测试结果拼接成待检测的3D乳腺图像尺寸大小的3D乳腺图像检测结果。本申请提供的技术方案具有效率高以及成本低的优点。

技术领域

本发明涉及图像处理以及医疗技术领域，具体涉及一种3D乳腺图像的分析方法及相关产品。

背景技术

近年来，自动乳腺超声(Automatic Breast Ultrasound,ABUS)是乳腺癌检查的一种新设备，它可以自动扫描整个乳房的容积图像(即3D乳腺图像)，因扫描角度不同，一位患者的单侧乳房至少有3个3D乳腺图像，每个3D乳腺图像至少有1000帧。与传统2D超声相比，它具有以下优点：重复性好、操作者依赖性小、图像采集时间少等。但是，基于3D乳腺图像的人工筛查肿瘤是非常耗时的，且严重依赖专家经验、漏诊、误诊率偏高。所以现有的3D乳腺图像的效率低，成本高。

发明内容

本发明实施例提供了一种3D乳腺图像的分析方法及相关产品，可以提高效率，降低成本。

第一方面，本发明实施例提供一种3D乳腺图像的分析方法，所述方法包括如下步骤：

获取训练的3D乳腺图像，将该训练的3D乳腺图像随机裁剪成设定尺寸的图像块，将该图像块经过数据增加后输入到3D U-net神经网络中进行训练，训练完成后得到一个乳腺癌病灶自动检测的模型；

获取待检测的3D乳腺图像，将该检测的3D乳腺图像按照滑动窗的形式裁剪成设定尺寸的图像块，将所述乳腺癌病灶自动检测的模型进行测试得到图像块测试结果，将该测试结果凭接成待检测的3D乳腺图像尺寸大小的3D乳腺图像检测结果。

所述3D U-net神经网络中包括阈值映射层，通过与设计的阈值损失函数优化阈值映射层，得到体素级的阈值图完成自适应地区分肿瘤与背景；

所述阈值损失函数为：

其中，

3D乳腺图像检测中总的损失函数为：

L_total＝L_dds+θ^T*L_threshold

其中θ^T表示Threshold Loss的系数。

可选的，所述3D U-net神经网络还包括密集深监督池，所述密集深监督池包括：交叉熵损失函数。

可选的，所述方法还包括：

利用训练好的C3D模型初始化所述3D U-net神经网络的参数。

第二方面，提供一种3D乳腺图像的分析系统，所述系统包括：

训练单元，用于获取训练的3D乳腺图像，将该训练的3D乳腺图像随机裁剪成设定尺寸的图像块，将该图像块经过数据增加后输入到3D U-net神经网络中进行训练，训练完成后得到一个乳腺癌病灶自动检测的模型；

检测单元，用于获取待检测的3D乳腺图像，将该检测的3D乳腺图像按照滑动窗的形式裁剪成设定尺寸的图像块，将所述乳腺癌病灶自动检测的模型进行测试得到图像块测试结果，将该测试结果凭接成待检测的3D乳腺图像尺寸大小的3D乳腺图像检测结果。