[发明专利]一种乳腺钼靶AI辅助筛查方法

说明书

本发明公开了一种乳腺钼靶AI辅助筛查方法；包括以下步骤：步骤S1：获取影像数据和非影像数据并输入；步骤S2：构建良恶性检测模型；步骤S3：构建病灶区域定位模型。本发明开发了一种针对乳腺钼靶影像由粗到细的AI辅助检测算法，首先获取左右乳房CC位和MLO位钼靶影像共四张高分辨率影像，输入到多视角的乳腺钼靶良恶性分类模型，对每张钼靶影像良恶性进行识别，最后使用Faster R‑CNN疾病检测模型，对乳腺钼靶影像进行精细化的疾病良恶性识别和定位。

技术领域

本发明属于影像数据识别处理技术领域，具体涉及一种乳腺钼靶AI辅助筛查方法。

背景技术

近年我国乳腺癌发病率的增长速度高出高发国家1～2个百分点。据国家癌症中心和卫生部疾病预防控制局2012年公布的2009年乳腺癌发病数据显示：全国肿瘤登记地区乳腺癌发病率位居女性恶性肿瘤的第1位，女性乳腺癌发病率（粗率）全国合计为42.55/10万，城市为51.91/10万，农村为23.12/10万。

相对美国来说，我国的五年生存率还较低，这主要是因为中国人口基数过多，有经验的影像科医生较为缺乏，使得大范围早筛困难重重，构建乳腺钼靶AI诊断系统能够有效缓解这一矛盾，最大限度地帮助患者和医生。

现在对乳腺癌的诊断主要依赖超声、钼靶、核磁共振、病理和基因等，对于一般的三甲医院，通常先使用钼靶进行筛查，如果无法定性，会要求病人进一步进行超声和核磁共振检查，如果出现疑似恶性的情况，将进行病理穿刺检查，并对是否癌变，恶性程度以及分子分型做出判断。

乳腺x线钼靶检查操作简单，价格相对低廉，易于接受，诊断准确率较高，是乳腺癌早期机会性筛查及早期发现的有效措施。多个医学指南均推荐乳腺癌高危人群25岁后每隔1-3年进行钼靶筛查，而一般人群40岁后也需要间隔1-2年进行一次筛查，直到75岁。

我国乳腺癌正在呈现高发态势，而中国在早期阶段诊断出乳腺癌的概率不到20％，大多数患者被发现的时候是中晚期，情况十分严峻。这一方面是因为民众癌症健康检查意识不强，另一方面也由于缺乏专业医生，难以在基层全面推行乳腺癌的筛查。

随着人工智能技术的逐渐成熟，利用AI辅助诊断技术，进行乳腺癌辅助诊断与筛查，是改善我国乳腺癌生存率的可行方式。

基于AI前沿技术，搭建中国女性乳腺钼靶X射线影像数据集，构建乳腺钼靶筛查模型，智能化识别疑似病灶定位，乳腺良恶性判断，自动生成报告。协助医生阅片，可减少误诊率和漏诊率，并且可以降低医生的劳动强度。

发明内容

本发明目的在于提供一种乳腺钼靶AI辅助筛查方法，用于解决上述现有技术中存在的技术问题。

为实现上述目的，本发明的技术方案是：

一种乳腺钼靶AI辅助筛查方法，包括以下步骤：

步骤S1：获取影像数据和非影像数据并输入；其中，影像数据包括左右乳房CC位和MLO位钼靶影像以及对应影像的乳腺肿瘤标签，进行有监督的多任务分类学习；

步骤S2：构建良恶性检测模型；即，利用步骤S1中的多任务分类学习，同时学习良恶性分类任务和BI-RADS分类任务，提取每个病人4张影像的CNN特征和非影像特征，对前面的提取的CNN特征和非影像特征进行串联，输入良恶性分类器进行学习该病人是否患有癌症，同时输入BI-RADS分类器学习BI-RADS等级；

对于左右乳房均分配两个二进制标签：乳房中是否存在恶性发现以及乳房中是否存在良性发现；对于左右乳房，每次检查总共有四个二进制标签；针对每个检查生成与四个标签相对应的四个预测；对于CC视图，将每个图像裁剪为2677×1942像素的固定大小，对于MLO视图，则将其固定为2974×1748像素的固定大小；