[发明专利]基于多影像的全卷积单阶段乳腺图像病灶检测方法及装置

权利要求书

1.一种乳腺图像处理方法，其特征在于，包括：

获取同一次检测中双侧乳腺不同视角的图像作为待处理图像，其中所述待处理图像包括：左侧头尾位LCC图像、左侧内外侧斜位LMLO图像、右侧头尾位RCC图像和右侧内外侧斜位RMLO图像；

获取每幅待处理图像对应的多个不同尺度特征数据；

将所述每幅待处理图像对应的多个不同尺度特征数据融合，得到每幅待处理图像对应的多尺度融合特征；

将左侧乳腺图像对应的所述多尺度融合特征和右侧乳腺图像对应的所述多尺度融合特征进行融合，得到左右融合特征；

将同侧乳腺的头尾位图像和内外侧斜位图像对应的所述多尺度融合特征进行融合，得到多视角融合特征；

根据所述左右融合特征和所述多视角融合特征，使用病灶检测和回归网络，确定图像中的病灶区域；

其中，将同侧乳腺的头尾位图像和内外侧斜位图像对应的所述多尺度融合特征进行融合，得到多视角融合特征的步骤包括：

确定所述同侧头尾位图像和所述内外侧斜位图像中每个位置对应的深度；

将所述同侧乳腺的头尾位图像和内外侧斜位图像中深度相同的位置对应的所述多尺度融合特征分别通过池化的方式聚合，得到对应的池化特征；

将所述多尺度融合特征和对应另一视角图像的池化特征相乘，得到所述多视角融合特征。

2.如权利要求1所述的方法，其特征在于：

所述获取每幅待处理图像对应的多个不同尺度特征数据的步骤包括：

使用预先训练的多尺度特征提取网络对所述待处理图像进行处理，其中，所述多尺度特征提取网络包括卷积神经网络，所述多尺度特征数据包括多个不同分辨率的特征数据。

3.如权利要求2所述的方法，其特征在于，所述将左侧乳腺图像对应的所述多尺度融合特征和右侧乳腺图像对应的所述多尺度融合特征进行融合的步骤包括：

将双侧乳腺图像朝向调整到同一方向；

使用偏移预测网络将双侧乳腺图像的相同位置对齐；

将所述左侧乳腺图像和所述右侧乳腺图像相同位置处对应的多尺度融合特征拼接和差分，分别得到拼接特征和权重；

将所述拼接特征和所述权重相乘，得到所述左右融合特征。

4.如权利要求2或3所述的方法，其特征在于，所述根据所述左右融合特征和所述多视角融合特征，使用病灶检测和回归网络，确定图像中的病灶区域的步骤还包括：

使用所述病灶检测和回归网络确定病灶分类得分，

使用所述病灶检测和回归网络中的中心性检测分支centre-ness分支确定中心性得分，

根据所述病灶分类得分和所述中心性得分，确定图像中的病灶区域。

5.如权利要求4所述的方法，其特征在于，还包括：

所述中心性得分定义为：

其中，l、r、t、b分别为特征点到病灶左边缘、右边缘、上边缘以及下边缘的距离。