[发明专利]一种乳腺癌检测方法及装置

说明书

本发明实施例提供了一种乳腺癌检测方法，所述方法包括：从乳腺彩超报告中识别出的多张待诊断彩超图像；利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果。其中，所述深度神经网络模型在设计后，通过对已经确诊的多个乳腺疾病患者的多张彩超图像进行训练，获得经训练的深度神经网络。测试成功后，所述深度神经网络投入所述乳腺癌的检测方法中。从而使得用户只需要上传乳腺彩超报告，就能够获取检测结果，并且在有效提高了准确率并降低人力成本的同时，在没有或者缺少专业医师的情况下，可以大幅提高诊断效率，为患者节省宝贵的时间。

技术领域

本发明涉及深度学习及图片处理技术领域，具体而言，涉及一种乳腺癌检测方法及装置。

背景技术

目前，在部分医疗条件较好的医院，对患有乳腺类疾病的患者，通常的方法是用专业设备采集一系列乳腺及相关部位的彩超图像，为了对患病部位进行全面准确的观察，需要对乳腺等部位图像采集多张照片。完成乳腺彩超图像数据采集后，由专业放射技师对该报告中每张图像数据进行读图诊断。虽然大部分医院都具有拍摄彩超图像的设备，但是完成诊断离不开专业医师的读图诊断，对于相对偏远的乡镇医院很难及时获得读图经验丰富的放射技师的临床意见。同时，“看病难”现象导致从患者拿到彩超报告到挂号咨询专业技师诊断，其间存在较长时间间隔，在这期间病情极有可能继续加重。

发明内容

本发明的目的在于提供一种图片哈希码生成方法、装置、图片检索方法及装置，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本发明实施例提供了一种乳腺癌检测方法，应用于诊断系统。所述方法包括：获得目标患者的乳腺彩超报告，并从所述乳腺彩超报告中识别出多张待诊断彩超图像；利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果。

进一步的，在利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果之前，所述方法还包括：获得已经确诊的多个乳腺疾病患者中每个乳腺疾病患者的多张彩超图像；设计深度神经网络模型；基于每个乳腺疾病患者的多张彩超图像，对所述深度神经网络模型进行训练，获得经训练的深度神经网络；对所述深度神经网络进行测试，在测试结果表征所述深度神经网络达到预设要求时，执行步骤：利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果。

进一步的，在获得已经确诊的多个乳腺疾病患者中每个乳腺疾病患者的多张彩超图像之后；设计深度神经网络模型之前，所述方法还包括：对每个乳腺疾病患者的多张彩超图像中的每张彩超图像进行数据标注，获得每个乳腺疾病患者的多张经标注彩超图像；对每个乳腺疾病患者的彩超报告进行裁剪，并将每张彩超报告用边框框出，获得对应所述多个乳腺疾病患者的多个加边框彩超报告；对所述多个乳腺疾病患者对应的数据集按照四比一比例划分，获得训练集和测试集，其中，所述数据集包括每个乳腺疾病患者的多张经标注彩超图像及多个加边框彩超报告。

进一步的，设计深度神经网络模型，包括：设计特征提取单元，所述特征提取单元包括一个输入层和多个卷积结构，每个卷积结构由多个不同尺度的卷积层和池化层构成；设计特征融合单元，所述特征融合单元包括一个全局均值池化层，用于在图像的通道维度上对多种图像特征进行融合；设计分类单元，所述分类单元包括一个多类别分类器。