[发明专利]一种乳腺病变检测方法和装置

权利要求书

1.一种乳腺病变检测方法，其特征在于，包括：

利用人工神经网络的自学习能力，建立乳腺图像的图像特征与乳腺病变区域之间的对应关系；

获取当前乳腺图像的当前图像特征；

通过所述对应关系，确定与所述当前图像特征对应的当前乳腺病变区域；

所述确定与所述当前图像特征对应的当前乳腺病变区域的步骤，包括：将所述对应关系中与所述当前图像特征相同的图像特征对应的乳腺病变区域，确定为当前乳腺病变区域。

2.根据权利要求1所述的方法，其特征在于，所述乳腺图像，包括：原始乳腺图像和/或预处理图像；

其中，所述预处理图像为将所述原始乳腺图像进行预处理后生成的乳腺图像；和/或，

所述图像特征，包括：颜色特征、纹理特征、形状特征、空间关系特征中的至少之一；和/或，

所述对应关系，包括：函数关系；

所述图像特征为所述函数关系的输入参数，所述乳腺病变区域为所述函数关系的输出参数；

所述确定与所述当前图像特征对应的当前乳腺病变区域的步骤，还包括：

当所述对应关系包括函数关系时，将所述当前图像特征输入所述函数关系中，确定所述函数关系的输出参数为当前乳腺病变区域。

3.根据权利要求2所述的方法，其特征在于，所述将所述原始乳腺图像进行预处理的步骤，包括：

获取所述原始乳腺图像；

确定所述原始乳腺图像的有效乳腺区域范围；

依据所述有效乳腺区域范围生成预处理图像。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述建立乳腺图像的图像特征与乳腺病变区域之间的对应关系的步骤，包括：

获取用于建立所述图像特征与所述乳腺病变区域之间的对应关系的样本数据；

分析所述图像特征的特性及其规律，根据所述特性及其规律，确定所述人工神经网络的网络结构及其网络参数；

使用所述样本数据，对所述网络结构和所述网络参数进行训练和测试，确定所述图像特征与所述乳腺病变区域的所述对应关系。

5.根据权利要求4所述的方法，其特征在于，所述获取用于建立所述图像特征与所述乳腺病变区域之间的对应关系的样本数据的步骤，包括：

获取多个不同的乳腺图像的图像特征和乳腺病变区域；

对所述图像特征进行分析、并结合预存的医生标注的病变位置信息，选取与所述乳腺病变区域相关的数据作为所述图像特征；

将所述乳腺病变区域、以及选取的所述图像特征构成的数据对，作为样本数据。

6.根据权利要求5所述的方法，其特征在于，所述网络结构，包括：BP神经网络、CNN神经网络、RNN神经网络、残差神经网络中的至少之一；其中，所述CNN神经网络，包括：Faster R-CNN神经网络、VGG神经网络中的至少之一；和/或，

所述网络参数，包括：输入节点数、输出节点数、隐层数、隐节点数、初始权值、偏置值中的至少之一。

7.根据权利要求4所述的方法，其特征在于，所述对所述网络结构和所述网络参数进行训练的步骤，包括：

选取所述样本数据中的一部分数据作为训练样本，将所述训练样本中的所述图像特征输入到所述网络结构，通过所述网络结构的激活函数和所述网络参数进行训练，得到实际训练结果；

确定所述实际训练结果与所述训练样本中的相应乳腺病变区域之间的实际训练误差是否满足设定训练误差；

当所述实际训练误差满足所述设定训练误差时，确定对所述网络结构和所述网络参数的所述训练完成；和/或，

所述对所述网络结构和所述网络参数进行测试的步骤，包括：

选取所述样本数据中的另一部分数据作为测试样本，将所述测试样本中的所述图像特征输入到所述训练完成的所述网络结构中，以所述激活函数和所述训练完成的所述网络参数进行测试，得到实际测试结果；

确定所述实际测试结果与所述测试样本中的相应乳腺病变区域之间的实际测试误差是否满足设定测试误差；

当所述实际测试误差满足所述设定测试误差时，确定对所述网络结构和所述网络参数的所述测试完成。