[发明专利]用于乳腺钼靶的图像处理方法及装置

权利要求书

1.一种用于乳腺钼靶的图像处理方法，其特征在于，包括：

输入待处理图像，其中，所述待处理图像至少包括：双侧钼靶影像；

对所述待处理图像采用图像双侧对齐处理，得到的结果输入网络学习模型；以及

根据所述网络学习模型输出目标图像的检测结果，得到所述乳腺钼靶的目标图像区域；

输入待处理图像之后还包括：

根据获取的乳腺钼靶影像和所述乳腺钼靶影像对应的窗宽窗位统计出乳腺组织的灰度分布；所述窗宽窗位包括：根据不同设备或不同医院拍摄所得的大量钼靶影像及其对应的窗宽窗位统计出乳腺组织的灰度值分布；

根据输入待处理图像对窗宽窗位进行动态搜索，以使在映射后的影像中的乳腺组织的灰度分布与所述分布接近；

对所述窗宽窗位进行图像归一化预处理；

根据所述网络学习模型输出目标图像的检测结果，得到所述乳腺钼靶的目标图像区域包括：

所述网络学习模型采用预设目标检测框架下作为主干网络，并依次设置特征提取网络、特征融合网络、区域举荐网络、分类回归网络；

其中，所述特征提取网络，用于采用多层卷积神经网络作为骨干网路，在不同尺度上进行特征图提取；

所述特征融合网络，用于对不同分支上的所述特征图的图像特征进行的特征融合；所述特征融合网络在网络中采用一个分支通过双侧相应尺度的特征相减而得，另一个单通道卷积层生成注意力概率图，二者运算后可以获得新的融合特征；

所述区域举荐网络，用于生成目标定位框得到目标区域；

所述分类回归网络，用于对目标区域分类或框回归；

根据所述网络学习模型输出目标图像的检测以及分割结果之后还包括：对所述所述乳腺钼靶的目标图像区域的假阳性消除的步骤，所述假阳性消除包括：

基于预设深度学习网络进行样本训练数据的抑制；

样本训练之前，随机预留部分阴性数据；

用训练完成的检出网络对此部分数据进行预测，收集预测检出置信度高的区域，以及之前步骤训练时涉及的困难样例作为负样本；

同时重复利用之前标注所得的病灶为正样本进行训练。

2.根据权利要求1所述的靶的图像处理方法，其特征在于，对所述待处理图像采用图像双侧对齐处理包括：

对至少两幅乳腺钼靶图像进行配准，将配准后的图像共同输入到非对称结构检测模型中，用于确定出乳腺钼靶可疑病灶区域。

3.根据权利要求1所述的靶的图像处理方法，其特征在于，根据所述网络学习模型输出目标图像的检测以及分割结果包括：

在所述特征融合网络中，还用于采用不同或相同的特征提取网路；

在所述特征融合网络或所述特征提取网络中，采用在同一侧乳腺不同拍摄角度的图像或采用双侧乳腺同一拍摄位置的图像。