[发明专利]一种乳腺影像识别的方法及装置

说明书

本发明实施例提供一种乳腺影像识别的方法及装置，涉及机器学习技术领域，该方法包括：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；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。

技术领域

本发明实施例涉及机器学习技术领域，尤其涉及一种乳腺影像识别的方法及装置。

背景技术

目前，乳腺影像可以利用低剂量的X光检查人类的乳房，它能侦测各种乳房肿瘤、囊肿等乳腺病灶，有助于早期发现乳癌，并降低其死亡率。乳腺影像是一种有效的检测方法，可以用于诊断多种女性乳腺相关的疾病。当然，其中最主要的使用还是在乳腺癌，尤其是早期乳腺癌的筛查上。因此若能有效的检测出乳腺影像上各种乳腺癌早期表现，对医生的帮助是巨大的。

当患者拍摄乳腺影像之后，医生通过个人经验对乳腺影像进行诊断，该方法效率较低，并且存在较大的主观性。

发明内容

本发明实施例提供一种乳腺影像识别的方法及装置，用于解决现有技术中通过医生经验判断乳腺影像的效率低，识别主观性较大，难以获得准确结果的问题。

本发明实施例提供了一种乳腺影像识别的方法，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；

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。

一种可能的实现方式，所述根据所述ROI确定所述ROI的乳腺病灶征象，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。

一种可能的实现方式，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。

一种可能的实现方式，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。

一种可能的实现方式，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；