[发明专利]一种面向乳腺癌病灶的3D可视化方法及系统

权利要求书

1.一种面向乳腺癌病灶的3D可视化方法，其特征在于，包括以下步骤：

步骤1，根据文件上传器的引导和提示，上传采集的乳腺癌医学影像文件；

步骤2，卷积神经网络的训练，包括：(1)以乳腺癌医学影像文件为输入，乳房组织信息为输出信息；其中，输出信息为乳房轮廓信息和病灶区域在乳房中的信息，信息输出形式为乳房内结构组织密集点的相对坐标值和权重值；(2)以预设量带标注的乳腺癌医学影像文件训练预构建的卷积神经网络，在迭代训练的过程中更新卷积神经网络中的参数；其中，损失函数最小、准确率平衡时停止训练，再定量化参数值，获得训练后的卷积神经网络；(3)以预设量带标注的乳腺癌映像文件测试训练后的卷积神经网络，用于防止卷积神经网络过拟合和欠学习，获得训练好的卷积神经网络；

步骤3，将步骤1的乳腺癌医学影像文件输入步骤2训练好的卷积神经网络，得到乳房轮廓信息和病灶区域在乳房中的信息；其中，乳房轮廓信息包括关于乳房轮廓的密集坐标点，病灶区域在乳房中的信息包括病灶在乳房轮廓下的相对位置坐标点和病灶边缘信息的坐标点；

步骤4，根据步骤3获得的乳房轮廓信息和病灶区域在乳房中的信息，通过three.js插件构建3D可视化乳房区域成像；

步骤1中，文件上传器的设计步骤包括：

S101，将上传类别分为左乳影像上传和右乳影像上传两类，明确3D可视化目标；

S102，添加二级上传条件和规则，包括：设置上传文件的类型和上传文件的大小；添加文件本地层级选择和本地拖拽选择的两种文件选择方式；添加文件单个上传和所选多个文件批量上传的两种上传方式；

S103，添加数据导入队列明确上传状态和上传结果，包括：文件导入队列包括：导入文件的类别、名称、大小和状态；其中，以icon标识符表示导入文件的状态；

S104，添加文件队列管理器处理文件上传状态，包括：对文件的操作、显示文件上传状态、显示上传进度；

步骤2中，卷积神经网络的结构包括多层的神经网络，每层由多个二维空间组成，每个二维空间由多个独立神经元组成，整个网络结构包括输入层、特征提取层、特征映射层和前馈神经网络层；其中，输入层的输入是乳腺癌医学影像文件，通过提取文件中的影像信息将其转化为统一大小的三维矩阵；

特征提取层中，第一个特征提取层的输入是输入层统一大小的三维矩阵，其余特征提取层的输入是特征映射层的输出；每个特征提取层的输出是三维特征映射图，具体维度根据每层卷积计算结果而定；每个特征提取层由多个神经元组成，每个神经元的输入与前一层的感受野相连，感受野为自设的滤波矩阵和输入的三维矩阵做内积的结果；每个神经元通过多次的卷积操作提取三维矩阵的局部特征；

特征映射层的输入为特征提取层输出的特征映射图，最后一层特征映射层的输出为一维特征向量，其余特征映射层的输出为经过一系列操作后生成的新特征映射图；其中，生成新特征映射图的步骤包括：特征映射层对特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid函数得到新特征映射图；

前馈神经网络层的输入为最后一层特征映射层输出的一维特征向量，输出为关于乳腺癌医学影像的乳房轮廓信息和病灶区域在乳房中的信息；

步骤3具体包括：

S301，将乳腺癌医学影像文件输入卷积神经网络；

S302，卷积神经网络对乳腺癌医学影像文件进行分析，确定乳房的外轮廓信息，病灶的位置、大小和边缘信息，对病灶的缺失信息进行填充；

S303，卷积神经网络输出乳房轮廓信息和病灶区域在乳房中的信息；其中，输出的信息具体包括：乳房生成乳房轮廓密集坐标点、病灶在乳房轮廓下的相对位置坐标点和病灶边缘信息坐标点；

步骤4具体包括：

S401，根据乳房轮廓的密集坐标点，计算获得乳房最大外轮廓中心点；以乳房最大外轮廓中心点为坐标原点，绘制获得空间坐标系；

S402，通过three.js插件，根据乳房轮廓密集坐标点绘制层级乳房外轮廓3D视图；

S403，通过three.js插件，根据病灶的相对位置坐标点绘制病灶在乳房外轮廓下的3D视图；通过病灶边缘信息坐标点润化病灶边缘。