[发明专利]乳房肿块检测定位方法和装置

说明书

本申请实施例提供了一种乳房肿块检测定位方法、乳房肿块检测定位装置、计算机可读存储介质和电子设备，解决了现有的乳房图像检查方式无法自动并准确地量化定位乳房肿块在乳房图像中的位置的问题。该乳房肿块检测定位方法包括：基于乳房图像确定包括乳房肿块影像的预测框区域；基于关键点识别模型识别出所述乳房图像中的多个关键点；根据所述多个关键点将所述乳房图像划分成多个乳腺区域；以及根据所述预测框区域所落入的所述乳腺区域确定乳房肿块位置。

技术领域

本申请涉及人工智能技术领域，具体涉及一种乳房肿块检测定位方法、乳房肿块检测定位装置、计算机可读存储介质和电子设备。

背景技术

乳房肿块的识别目前在临床上一般基于乳房图像进行检查。乳房图像可为利用透射光束投射乳房部位所形成的透射图像，例如乳腺钼靶X射线摄影图像，又称乳腺钼靶影像。乳房图像检查是目前诊断乳腺疾病的首选和最简便、最可靠的无创性检测手段，痛苦相对较小，简便易行，且分辨率高，重复性好，留取的图像可供前后对比，不受年龄、体形的限制。

然而，现有的乳房图像检查方式虽然能够基于乳房图像识别出乳房肿块，但并无法准确地量化标定出乳房肿块出乳房肿块的具体位置。此外由于现有的乳房图像检查方式依赖于人工凭借工作经验进行，虽然根据医生本身的经验可以判断出乳房肿块的位置，但当需要检查的乳房图像的数量较大时，依赖纯人工判断的方式很容易出现误差，且也并无法实现量化的位置标定。

发明内容

有鉴于此，本申请实施例提供了一种乳房肿块检测定位方法、乳房肿块检测定位装置、计算机可读存储介质和电子设备，解决了现有的乳房图像检查方式无法自动并准确地量化定位乳房肿块在乳房图像中的位置的问题。

根据本申请的一方面，本申请一实施例提供的一种乳房肿块检测定位方法包括：基于乳房图像确定包括乳房肿块影像的预测框区域；基于关键点识别模型识别出所述乳房图像中的多个关键点；根据所述多个关键点将所述乳房图像划分成多个乳腺区域；以及根据所述预测框区域所落入的所述乳腺区域确定乳房肿块位置。

在本申请一实施例中，所述关键点识别模型包括依次连接的用于特征提取的第一卷积神经网络、用于特征融合的第二卷积神经网络和用于关键点预测的第三卷积神经网络；其中，所述基于关键点识别模型识别出所述乳房图像中的多个关键点包括：将所述乳房图像输入所述第一卷积神经网络获取多个不同尺寸的特征图；将所述多个不同尺寸的特征图输入所述第二卷积神经网络以获取与所述乳房图像尺寸相同的融合特征图；以及将所述融合特征图输入所述第三卷积神经网络以获取所述多个关键点的位置。

在本申请一实施例中，所述将所述多个不同尺寸的特征图输入所述第二卷积神经网络以获取与所述乳房图像尺寸量相同的融合特征图包括：将所述多个不同尺寸的特征图输入第一卷积层以转换为多个相同通道数量但不同尺寸的特征图；将所述多个相同通道数量但不同尺寸的特征图分别进行卷积处理和双线性上采样处理以转换为多个相同尺寸的特征图；将所述多个相同尺寸的特征图进行求和以获取求和特征图；以及将所述求和特征图进行卷积和双线性上采样处理以获取与所述乳房图像尺寸量相同的融合特征图。

在本申请一实施例中，所述将所述融合特征图输入所述第三卷积神经网络以获取所述多个关键点的位置包括：将所述融合特征图输入第二卷积层以获取与所述多个关键点分别对应的多个待预测特征图，其中所述第二卷积层包括与所述多个关键点分别对应的多个层；将所述多个待预测特征图分别进行归一化处理以获取多个关键点概率预测图；以及将所述关键点概率预测图中概率数值最大的位置确定为所述关键点的位置。

在本申请一实施例中，所述第一卷积神经网络为50层的ResNext网络，所述第二卷积神经网络为特征金字塔网络。