[发明专利]一种基于超声自动乳腺全容积成像的乳腺分类方法及装置

说明书

本发明公开了一种基于超声自动乳腺全容积成像的乳腺分类方法及装置，方法包括步骤：通过超声自动乳腺全容积成像获取三维乳腺图像；基于所述三维乳腺图像构建并训练得到乳腺分类预测网络，所述乳腺分类预测网络包括VNet主干网络模块以及多尺度融合注意力模块；将待分类三维乳腺图像输入到所述乳腺分类预测网络中，输出乳腺分类预测结果。本发明利用编码‑解码器网络实现乳腺肿瘤区域的分割，精准提取肿瘤的位置和边界区域；在编码器逐层深入地提取图像特征的同时，使用自适应平均池化操作获取每层提取到的特征，利用该特征进行乳腺肿瘤的良恶性分类。

技术领域

本发明涉及深度学习算法应用领域，特别涉及一种基于超声自动乳腺全容积成像的乳腺分类方法及装置。

背景技术

2015年世界卫生组织的报告显示，乳腺癌的发病率已经位居所有癌症的第二位。对于女性，乳腺癌是诊断中最常见且死亡人数最好的癌症。因此，乳腺癌的早期精准诊断有着重要的临床意义。作为一种新型的检测可以的乳腺肿瘤的方法，超声自动乳腺全容积成像(automated breast volume scanner，ABVS)可以为超声医生输出整个乳房的3D立体图像，但是3D图像的巨大数据量和超声图像中的噪音问题会耗费临床医生大量的阅片时间。

目前，大量的研究人员正在探索并寻找在ABVS图像中对乳腺肿瘤的检测、分割与分类等任务，但是会由于乳腺肿瘤在ABVS图像中的位置、体积差异巨大，给普通的深度学习方法产生了一定的困难，导致无法对ABVS图像中的乳腺肿瘤进行识别以及精准分类。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种基于超声自动乳腺全容积成像的乳腺分类方法及装置，旨在解决现有无法无法对ABVS图像中的乳腺肿瘤进行识别以及精准分类的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种基于超声自动乳腺全容积成像的乳腺分类方法，其中，包括步骤：

通过超声自动乳腺全容积成像获取三维乳腺图像；

基于所述三维乳腺图像构建并训练得到乳腺分类预测网络，所述乳腺分类预测网络包括VNet主干网络模块以及多尺度融合注意力模块；

将待分类三维乳腺图像输入到所述乳腺分类预测网络中，输出乳腺分类预测结果。

所述基于超声自动乳腺全容积成像的乳腺分类方法，其中，还包括步骤：对所述三维乳腺图像进行体积修正处理。

所述基于超声自动乳腺全容积成像的乳腺分类方法，其中，对所述三维乳腺图像进行体积修正处理的步骤包括：

预先将三维乳腺图像裁剪为64×256×256的尺寸大小，得到裁剪图像；

对所述裁剪图像进行肿瘤粗分割，得到粗分割图像；

计算所述粗分割图像中肿瘤与整个图像的体积比；

若所述体积比小于预设阈值，则生成最大连接域和基于所述最大连接域的多维数据集边界；

根据所述多维数据集边界对所述三维乳腺图像进行重新裁剪，得到重新裁剪图像。

所述基于超声自动乳腺全容积成像的乳腺分类方法，其中，所述VNet主干网络模块包括编码器块和解码器块，所述编码器块包括若干个3D卷积层、批处理规范化归一化层和ReLU层；所述解码器块包括自适应上采样层和连接层。

所述基于超声自动乳腺全容积成像的乳腺分类方法，其中，所述多尺度融合注意力模块包括两个分支，其中一个分支用于将来自解码器块不同阶段的每个特征连接起来，生成多尺度特征；另一个分支用于获取相应的编码器块和解码器块特征的逐元素求和，以导出本地注意图。