[发明专利]基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法及系统

权利要求书

1.一种基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法，其特征在于：包括以下步骤：

S1、标注训练并验证AI辅助诊断模型；

S2、获取乳腺钼靶X线摄影检查图像；

S3、乳腺钼靶X线摄影检查图像预处理；

S4、辅助诊断

S41、将经过预处理的乳腺钼靶X线影检查图像IMG，按照100个像素的重复度进行滑动窗口重采样操作形成一个512*512的固定大小图片序列IMGS；

S42、将图片序列IMGS输入经步骤S1标注训练并验证的AI辅助诊断模型内，AI辅助诊断模型通过GPU加速模型或CPU兼容模型，完成诊断，若检测到疑似病灶，则将图片序列IMGS中的疑似病灶映射到原始的乳腺钼靶X摄影检查图像中，通过非极大值抑制算法合并重复检测到的疑似病灶，最后输出预测数据，否则，预测数据为空；

S5、输出诊断

将获得的预测数据进行后处理，计算医学参数，然后叠加显示在乳腺钼靶X线摄影检查图像上，并展示出乳腺中疑似病灶的位置、大小和病灶类型。

2.根据权利要求1所述的一种基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法，其特征在于：步骤S1的具体步骤包括：

S11、数据标注

标注经过归一化预处理后的乳腺钼靶X线摄影检查图像，由医生按照多数投票制原则标注其中的病灶信息，获得位置信息及其类型信息，若为多发性病灶，则独立标识每个病灶获得标准数据集，并将标注完成的标准数据集按比例分为训练集数据和验证集数据；

S12、模型训练

基于训练集数据中的乳腺钼靶X线检查图像、乳腺病变位置信息与类型信息，在GPU服务器上训练基于乳腺钼靶X射线检查图像的乳腺病变检测的深度卷积神经网络模型；

S13、模型验证

基于验证集数据和训练集数据中的乳腺钼靶X射线检查图像、乳腺病变位置信息与类型信息，根据开发环境中软硬件资源限制调试优化训练参数与评价标准，测试AI辅助诊断模型，直至测试的平均检测准确率达到90％以上，且假阳性率低于15％，则认定AI辅助诊断模型训练完成。

3.根据权利要求2所述的一种基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法，其特征在于：在步骤S11中位置信息包含标注病灶和疑似病灶的中心点坐标信息、宽度信息以及高度信息，类型信息包含组织钙化与组织肿块、其它乳腺病变。

4.根据权利要求1所述的一种基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法，其特征在于：步骤S3的具体步骤包括：将乳腺钼靶X线摄影检查数据处理为图片格式，进行数据归一化处理，并检测标定基本信息。

5.根据权利要求4所述的一种基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法，其特征在于：步骤S3中基本信息包括左侧/右侧乳房信息和轴位/侧斜位信息。

6.一种基于上述权利要求1-5任一项所述的基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法的辅助诊断系统，其特征在于：包括：

数据标注模块，用于标注乳腺钼靶X线检查摄影图像中的病灶位置与类型信息，最终形成用于深度学习模型训练与验证的标准数据集；

图像输入模块，用于调用存储在系统中的乳腺钼靶X线检查数据或者远程传输的乳腺钼靶X线检查数据；

图像预处理模块，用于将乳腺钼靶X线摄影检查数据处理为图片格式，进行数据归一化处理，并检测标定基本信息；

诊断模块，用于将经过预处理的乳腺钼靶X影检查图像IMG，按照100个像素的重复度进行滑动窗口重采样操作形成一个512*512的固定大小图片序列IMGS，然后将图片序列IMGS输入AI辅助诊断模型获得预测数据；

诊断输出模块，将获得的预测数据进行后处理，计算医学参数，然后叠加显示在乳腺钼靶X线摄影检查图像上，并展示出乳腺中疑似病灶的位置、大小和病灶类型。

7.根据权利要求6所述的一种基于钼靶X线摄影检查的乳腺疾病AI辅助诊断方法的辅助诊断系统，其特征在于：所述AI辅助诊断模型为经过数据类型适应性改进的Faster-RCNN深度卷积神经网络模型。