[发明专利]一种基于序数回归的乳腺钼靶病灶良恶性分析方法

说明书

本发明针对采用二分类方法对乳腺钼靶良恶性进行分析可能导致的算法预测结果与医生预期偏差过大的问题，提出了基于序数回归的钼靶良恶性分析框架，钼靶良恶性分析算法框架由特征提取及序数回归操作构成。为提升算法结果与医生预期的拟合度，使算法能更好地辅助医生进行乳腺钼靶良恶性分析工作，同时为了将算法预测结果转换为医生更易理解的形式，设计了将算法预测结果映射至BI‑RADS等级的方法。本发明提出的乳腺钼靶病灶病灶良恶性分析算法有效利用了序数回归算法框架，并使得算法能提供与医生判断更为一致的良恶性预测结果。

技术领域

本发明涉及影像处理领域，具体涉及一种乳腺钼靶影像的分析方法。

背景技术

乳腺癌是当今对女性生命健康威胁最大的恶性肿瘤之一，乳腺癌的早期发现和正确的治疗可将病人的生存率极大提升，正确判断乳腺病灶的良恶性对乳腺癌的正确治疗非常关键。在目前针对乳腺癌的筛查的多种方法中，钼靶是应用范围最广的方法。

基于钼靶图像的乳腺病灶良恶性分析需要综合病灶形态、病灶分布、病灶边缘、病灶位置等多种信息，这使得基于手工提取特征的方法难以确定需要提取的特征并准确地提取特征。目前基于深度学习的算法在图像分类、物体检测、图像分割等计算机视觉问题中取得了出色的表现，但在此前的论文中，乳腺钼靶病灶良恶性分析问题通常被处理为二分类问题。在实验中采用二分类方法处理乳腺钼靶病灶良恶性分析问题导致了一系列问题。在实验中，采用二分类方法会导致算法在部分病灶上的预测结果接近0或1，这与医生日常使用习惯不同，在日常使用中医生希望算法预测的病灶恶性概率在[0,1]之间分布。同时在病灶预测结果接近0或1的情况下，算法预测错误会导致算法预测结果与医生期望差距过大。

发明内容

本发明的目的在于针对现有技术中，针对采用二分类方法对乳腺钼靶良恶性进行分析可能导致的算法预测结果与医生预期偏差过大的问题，为提升算法结果与医生预期的拟合度，使算法能更好地辅助医生进行乳腺钼靶良恶性分析工作，本发明提出了基于序数回归的钼靶良恶性分析框架。同时为了将算法预测结果转换为医生更易理解的形式，本发明设计了将算法预测结果映射至BI-RADS等级的方法。

为解决上述技术问题，本发明采用如下技术方案：

本发明公开了一种乳腺钼靶影像分析方法，包括建立钼靶良恶性分析算法框架以及将钼靶良恶性分析算法得到的结果映射到BI-RADS等级，其特征在于，所述钼靶良恶性分析算法框架由特征提取及序数回归操作构成。

优选的，所述特征提取采用18层残差网络。

优选的，所述18层残差网络由4个残差单元构成

优选的，所述残差单元由卷积层、归一化操作以及激活函数构成。

优选的，所述特征提取过程中采用恒等映射。

优选的，所述序列回归采用多个二分类结构进行处理。

优选的，所述二分类问题采用的损失函数为交叉熵损失函数。

优选的，所述将钼靶良恶性分析算法得到的结果映射到BI-RADS等级采用加权平均对多个二分类模型得到的结果进行加权。

本发明公开了一种基于乳腺钼靶影像分析的装置，其特征在于，包括：至少一个存储器，用于存储程序；至少一个处理器，用于加载所述程序以执行如权利要求1-8任一项所述的分析方法。

本发明公开了一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-8任一项所述的分析方法。

本发明公开的乳腺钼靶影像分析方法包括两个阶段：第一个阶段是建立钼靶良恶性分析算法框架；第二阶段是将钼靶良恶性分析算法得到的结果映射到BI-RADS等级。

第一阶段的钼靶良恶性分析算法框架由特征提取及序数回归操作两部分构成。