[发明专利]一种乳腺影像病灶识别的方法及装置

说明书

本发明实施例提供一种乳腺影像病灶识别的方法及装置，涉及机器学习技术领域，该方法包括：获取乳腺影像，将所述乳腺影像输入至特征提取模块中，获取所述乳腺影像不同尺寸的特征图像；针对所述乳腺影像的不同尺寸的特征图像中的任意一个特征图像，从所述特征图像中确定出乳腺病灶识别框；根据从各特征图像中确定出的乳腺病灶识别框，确定乳腺影像的乳腺病灶。

技术领域

本发明实施例涉及机器学习技术领域，尤其涉及一种乳腺影像病灶识别的方法及装置。

背景技术

目前，乳腺影像可以利用低剂量的X光检查人类的乳房，它能侦测各种乳房肿瘤、囊肿等病灶，有助于早期发现乳癌，并降低其死亡率。乳腺影像是一种有效的检测方法，可以用于诊断多种女性乳腺相关的疾病。当然，其中最主要的使用还是在乳腺癌，尤其是早期乳腺癌的筛查上。因此若能有效的检测出乳腺影像上各种乳腺癌早期表现，对医生的帮助是巨大的。

当患者拍摄乳腺影像之后，医生通过个人经验判断乳腺影像中的病灶，该方法效率较低，并且存在较大的主观性。

发明内容

本发明实施例提供一种乳腺影像病灶识别的方法及装置，用于解决现有技术中通过医生经验判断乳腺影像中乳腺病灶的方法效率低的问题。

本发明实施例提供了一种乳腺影像病灶识别的方法，包括：

获取乳腺影像；

将所述乳腺影像输入至特征提取模块中，获取所述乳腺影像不同尺寸的特征图像；所述特征提取模块包括N个卷积模块；所述N个卷积模块为下采样卷积块和/或上采样卷积块；每个下采样卷积块或上采样卷积块提取的特征图像的尺寸均不同，所述N个卷积模块的每个卷积模块中包括第一卷积层、第二卷积层；所述第一卷积层输出的特征图像的个数小于所述第一卷积层输入的特征图像的个数；所述第二卷积层输出的特征图像的个数大于所述第一卷积层输出的特征图像的个数；N大于0；

针对所述乳腺影像的不同尺寸的特征图像中的任意一个特征图像，从所述特征图像中确定出乳腺病灶识别框；

根据从各特征图像中确定出的乳腺病灶识别框，确定乳腺影像的乳腺病灶。

一种可能的实现方式，所述获取所述乳腺影像的不同尺寸的特征图像，包括：

将所述乳腺影像依次通过N/2个下采样卷积块提取N/2个所述乳腺影像的第一特征图像；

将第N/2个下采样卷积块输出的第一特征图像依次通过N/2个上采样卷积块提取N/2个所述乳腺影像的第二特征图像，每个上采样卷积块提取的第二特征图像的尺寸均不同；

将尺寸相同的第一特征图像和第二特征图像合并后，确定N个所述乳腺影像的不同尺寸的特征图像。

一种可能的实现方式，所述特征处理模块之前还包括特征预处理模块；所述将所述乳腺影像输入至特征提取模块之前，还包括：

将所述乳腺影像输入至所述特征预处理模块中，所述特征预处理模块包括一个卷积层，一个BN层，一个Relu层和一个池化层；所述特征预处理模块的卷积核大小大于所述N个卷积模块中的卷积核的大小；

或者，所述特征预处理模块包括连续的多个卷积层，一个BN层，一个Relu层和一个池化层；所述特征预处理模块的卷积核大小与所述N个卷积模块中的最大的卷积核的大小相等。

一种可能的实现方式，所述将所述乳腺影像输入至特征提取模块之前，还包括：

获取所述乳腺影像的原始文件；

在所述乳腺影像的原始文件中选取至少一组窗宽窗位，并获取所述至少一组窗宽窗位对应的图片格式的乳腺影像；

根据所述至少一组窗宽窗位对应的图片格式的乳腺影像，作为输入至所述特征提取模块的乳腺影像。