[发明专利]一种乳腺影像识别的方法及装置有效

专利信息
申请号: 201811202692.2 申请日: 2018-10-16
公开(公告)号: CN109447065B 公开(公告)日: 2020-10-16
发明(设计)人: 魏子昆;杨忠程;丁泽震 申请(专利权)人: 杭州依图医疗技术有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/46;G06K9/62;G06N3/04
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 黄志华
地址: 310012 浙江省杭州市西*** 国省代码: 浙江;33
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 影像 识别 方法 装置
【权利要求书】:

1.一种乳腺影像识别的方法,其特征在于,包括:

获取乳腺影像;

根据所述乳腺影像,确定所述乳腺影像中的乳腺病灶的感兴趣区域ROI及所述乳腺的腺体分型;

根据所述ROI,确定所述ROI的乳腺病灶征象;具体包括:

根据第一特征提取模块,确定所述ROI的特征图像;所述第一特征提取模块包括K个卷积模块;所述K个卷积模块的每个卷积模块中依次包括第一卷积层、第二卷积层;所述第一卷积层输出的特征图像的个数小于所述第一卷积层输入的特征图像的个数;所述第二卷积层输出的特征图像的个数大于所述第一卷积层输出的特征图像的个数;K大于0;将所述ROI的特征图像输入至分类模块,确定所述ROI的乳腺病灶征象的置信度;

根据所述ROI的乳腺病灶征象,以及所述乳腺的腺体分型,确定所述乳腺影像的分级。

2.如权利要求1所述的方法,其特征在于,所述根据所述ROI的乳腺病灶征象,以及所述乳腺的腺体分型,确定所述乳腺影像的分级,包括:

将所述ROI的乳腺病灶征象的置信度以及所述乳腺的腺体分型结果,输入至多个分类器中,所述多个分类器用于确定所述乳腺影像的分级中每个级的2分类的置信度;

根据所述多个分类器的分类结果,确定所述乳腺影像的分级。

3.如权利要求1所述的方法,其特征在于,所述根据所述乳腺影像,确定所述乳腺影像中的乳腺病灶的感兴趣区域ROI,包括:

根据所述乳腺影像,确定乳腺影像中乳腺病灶的坐标;

以所述乳腺病灶的坐标为中心,向周围扩展第一预设距离,确定包含所述乳腺病灶的识别框,所述预设距离为所述乳腺病灶的半径的预设倍数;

若确定所述乳腺病灶的半径大于第二预设距离,则将第一预设距离扩大预设倍数;所述第二预设距离小于或等于所述第一预设距离。

4.如权利要求1所述的方法,其特征在于,所述第一特征提取模块还包括下采样模块;所述下采样模块包括所述第一卷积层、所述第二卷积层、池化层和第三卷积层;所述根据第一特征提取模块,确定所述ROI的特征图像,包括:

将所述第一特征提取模块输出的特征图像依次通过所述第一卷积层和所述第二卷积层和池化层,获得第一特征图像;

将所述第一特征提取模块输出的特征图像通过第三卷积层,获得第二特征图像;

将所述第一特征图像和所述第二特征图像,确定为所述下采样模块输出的特征图像。

5.如权利要求1所述的方法,其特征在于,所述第一特征提取模块还包括第一卷积模块,所述第一卷积模块位于所述K个卷积模块之前;所述根据第一特征提取模块,确定所述ROI的特征图像,包括:

将所述乳腺影像输入至所述第一卷积模块中,所述第一卷积模块包括一个卷积层,一个BN层,一个Relu层和一个池化层;所述第一卷积模块的卷积核大小大于所述K个卷积模块中的卷积和的大小;

或者,所述第一卷积模块包括连续的多个卷积层,一个BN层,一个Relu层和一个池化层;所述第一卷积模块的卷积核大小与所述K个卷积模块中的最大的卷积核的大小相等。

6.一种乳腺影像识别的装置,其特征在于,包括:

获取单元,用于获取乳腺影像;

处理单元,用于根据所述乳腺影像,确定所述乳腺影像中的乳腺病灶的感兴趣区域ROI及所述乳腺的腺体分型;根据所述ROI,确定所述ROI的乳腺病灶征象;根据第一特征提取模块,对已标记乳腺病灶区域的乳腺病灶进行训练后确定所述ROI的特征图像;所述第一特征提取模块包括K个卷积模块;所述K个卷积模块的每个卷积模块中依次包括第一卷积层、第二卷积层;所述第一卷积层输出的特征图像的个数小于所述第一卷积层输入的特征图像的个数;所述第二卷积层输出的特征图像的个数大于所述第一卷积层输出的特征图像的个数;K大于0;将所述ROI的特征图像输入至分类模块,确定所述ROI的乳腺病灶征象的置信度;根据所述ROI的乳腺病灶征象,以及所述乳腺的腺体分型,确定所述乳腺影像的分级。

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杭州依图医疗技术有限公司,未经杭州依图医疗技术有限公司许可,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/201811202692.2/1.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