[发明专利]一种基于DSSD的乳腺结节辅助诊断方法及系统

说明书

本发明涉及医学影像技术领域，尤其为一种基于DSSD的乳腺结节辅助诊断方法及系统，系统包括乳腺影像工作站、乳腺云诊断系统、乳腺诊断移动终端，腺影像工作站负责采集乳腺图像，腺云诊断系统包括有训练集和测试集预处理、标注、神经网络判别，练集和测试集预处理包括多尺度图像去噪和增强。方法为乳腺影像工作站获取采集乳腺图，然后主要利用DSSD神经网络判别，最后将乳腺云诊断系统处理得到的结果发送到乳腺诊断移动终端。本发明，针对医学影像(非自然图像)领域开发出基于深度学习的计算机辅助诊断(CAD)系统，为放射科医生提供诊断的第二意见，能够更加有效地辅助医生做出诊断。

技术领域

本发明涉及医学影像技术领域，具体为一种基于DSSD的乳腺结节辅助诊断方法及系统。

背景技术

乳腺癌是发生在乳腺腺上皮组织的恶性肿瘤，一直是威胁女性健康的恐怖杀手之一。全球乳腺癌发病率自20世纪70年代末开始一直呈上升趋势。中国患乳腺癌有非常高的概率，并且以每年14％的速度增长，并且呈现年轻化趋势。临床上，乳腺的钼钯是有效的检查方式，但存在假阳性率高的缺点；此外，临床上医生的主观性较强，导致较高的误诊率。

上世纪80年代开始，研究者们陆续提出了一些计算机方法对钼靶图像进行辅助诊断，此类算法大多基于传统的CAD算法。2014年以来，基于深度学习人工智能逐渐成为计算机视觉的主流方法论，研究者们利用深度学习算法使用大规模数据训练预测模型，在无需手动干预的情况下在包括乳腺钼靶影像、眼底影像、皮肤影像、CT影像、病理影像等多个临床场景下实现了疾病的准确预测与分类。

发明内容

本发明的目的在于提供一种基于DSSD的乳腺结节辅助诊断方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于DSSD的乳腺结节辅助诊断方法，包括如下步骤：

步骤1：乳腺影像工作站负责采集乳腺图像，将图像送入乳腺云诊断系统进行图像处理；

步骤2：乳腺云诊断系统将收集来的图像分成训练集和测试集两部分进行处理和分析，其中：训练集和测试集包括预处理、标注、神经网络判别；

步骤3：将识别结果发送至乳腺诊断移动终端，作为辅助诊断结果交由医生做最后诊断。

优选的，训练集和测试集预处理包括多尺度图像去噪和增强，将训练集和测试集图像进行作标注处理，放入DSSD神经网络中进行训练识别。

优选的，DSSD神经网络包括特征层、反卷积模块、反卷积层以及预测模块。

优选的，特征层为6层，其构成是以ResNet101为基础网络，conv3_x层作为ResNet101中的卷积层，之后五层是一系列逐渐变小的卷积层；预测模块是在SSD预测模块(a)的基础上添加了一个残差单元，并在残差旁路将原来的特征图做卷积处理后与网络主干道的特征图做通道间加法从而形成了一个新的预测模块(b)。

优选的，DSSD神经网络识别病灶基于回归与分类的过程，其中：生成识别边框是一个回归的过程，判断识别框内病灶所属类别是一个分类过程，因此，总体目标损失函数是定位损失和置信损失的加权和：

其中N是与真实边框对应的默认边框的个数；c是每一类的置信度；α是权重项被设置为1；定位损失L_loc(x,l,g)是预测框l与真实目标框g之间的smooth_L1损失。l＝(l_x,l_y,l_w,l_h)各项分别表示预测边框的中心位置(x,y)和其边框的宽w、高h；g＝(g_x,g_y,g_w,g_h),各项分别表示真实目标的中心位置(x，y)和其边框的宽w、高h，