[发明专利]基于FFDM的乳腺影像处理方法、系统、终端和介质

权利要求书

1.一种基于FFDM的乳腺影像处理方法，其特征在于，包括：

从第一乳腺X线数据集和第二乳腺X线数据集中选取第一数据集，并根据所述第一乳腺X线数据集中未被选取的剩余数据集构建第二数据集；其中，所述第一乳腺X线数据集为DFM数据集，第二乳腺X线数据集为FFDM数据集；

通过所述第一数据集训练预设的生成式对抗网络；其中，所述生成式对抗网络的生成器包括U-Net生成器；所述生成式对抗网络的鉴别器包括多尺度DNN架构；

通过训练好的生成式对抗网络，基于所述第二数据集生成目标乳腺X线数据集；其中，所述目标乳腺X线数据集为FFDM影像；

在所述通过所述第一数据集训练预设的生成式对抗网络之前，还包括：

通过滑窗对所述第一数据集中的DFM影像和FFDM影像进行裁剪，获得若干DFM斑片和若干FFDM斑片；

通过阈值法提取所述第一数据集的背景，并根据所述背景的比例，确定各斑片的类别；所述斑片的类别包括乳房区域类别、边界类别和背景类别；

随机选取相同类别的DFM斑片和FFDM斑片构建若干输入对，获得经过预处理的所述第一数据集；其中，所述输入对用于训练所述生成式对抗网络。

2.如权利要求1所述的一种基于FFDM的乳腺影像处理方法，其特征在于，所述通过所述第一数据集训练预设的生成式对抗网络，包括：

所述生成式对抗网络包括生成器和鉴别器；

对所述生成器和所述鉴别器分别进行训练，具体地：

通过所述生成器从所述输入对中提取特征图，并对所述特征图进行降采样；通过所述鉴别器得到所述第一数据集的梯度图，对所述第一数据集进行降采样，并获得经过降采样的影像的对应梯度图；

直到所述生成式对抗网络满足预设的收敛要求，获得训练好的生成式对抗网络。

3.如权利要求1所述的一种基于FFDM的乳腺影像处理方法，其特征在于，所述乳腺影像处理方法还包括：

根据所述第二乳腺X线数据集中未被选取的剩余数据集构建第三数据集；

对所述第三数据集中的若干第一影像进行降采样，并基于所述第三数据集中的若干第二影像构建预设像素大小的影像块；

根据经过降采样的第一影像，分割出所述目标乳腺X线数据集的肿块，实现肿块检测；根据所述影像块，分割出所述目标乳腺X线数据集的钙化部，实现钙化检测。

4.一种基于FFDM的乳腺影像处理系统，其特征在于，包括数据集构建模块、训练模块和目标影像生成模块；其中，

所述数据集构建模块，用于从第一乳腺X线数据集和第二乳腺X线数据集中选取第一数据集，并根据所述第一乳腺X线数据集中未被选取的剩余数据集构建第二数据集；其中，所述第一乳腺X线数据集为DFM数据集，第二乳腺X线数据集为FFDM数据集；

所述训练模块，用于通过所述第一数据集训练预设的生成式对抗网络；其中，所述生成式对抗网络的生成器包括U-Net生成器；所述生成式对抗网络的鉴别器包括多尺度DNN架构；

所述目标影像生成模块，用于通过训练好的生成式对抗网络，基于所述第二数据集生成目标乳腺X线数据集；其中，所述目标乳腺X线数据集为FFDM影像；

所述乳腺影像处理系统还包括预处理模块，所述预处理模块用于在所述通过所述第一数据集训练预设的生成式对抗网络之前：

通过滑窗对所述第一数据集中的DFM影像和FFDM影像进行裁剪，获得若干DFM斑片和若干FFDM斑片；

通过阈值法提取所述第一数据集的背景，并根据所述背景的比例，确定各斑片的类别；所述斑片的类别包括乳房区域类别、边界类别和背景类别；

随机选取相同类别的DFM斑片和FFDM斑片构建若干输入对，获得经过预处理的所述第一数据集；其中，所述输入对用于训练所述生成式对抗网络。