[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

说明书

针对现有的乳腺病灶检测算法不能很好结合双侧乳腺信息，不能同时满足包括肿块、钙化等多病种识别检出以及在不对称致密型腺体上表现效果一般的情况，本发明提出了融合多影像信息的全卷积单阶段乳腺X线影像病灶检测方法。采用不基于anchor的方法来进行病灶检测，从原始影像中抽取不同尺度的特征，将不同尺度的特征进行融合，以及将不同影像的信息进行融合，最后直接预测特征图上某一点是否对应一个病灶以及病灶的具体位置。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种乳腺图像中病灶区域检测的处理方法。

背景技术

乳腺癌是女性发病率最高的恶性肿瘤，我国每年新增乳腺癌病例超过27万人，且乳腺癌的发病率呈逐年上升的趋势，严重威胁女性健康。乳腺癌早期诊断非常重要，早期精确诊断可使乳腺癌患者5年生存率从25％提高到99％。乳腺X线筛查被认为是乳腺癌筛查的首选检查方法。目前乳腺X线摄影依靠主观诊断，存在总体准确率不够高并受限于评价者水平的问题。相较于某位医疗专家的个人经验判断，人工智能识别算法有可能更加快速、高效、精准的识别X线影响中的病灶，辅助医生进行临床诊断，同时也节约了临床与影像医生的大量精力。

乳腺X线摄影技术的成像原理是将三维立体的乳腺映射到二维平面视图上，导致正常组织堆积重叠之后与肿块组织成像相似，尤其仅凭单张视图难以区分。因此，临床上常用的诊断方法是结合同一病患的多幅乳腺X线图像进行分析，以提高对乳腺病灶的诊断率。乳腺X线影像会对同一乳房在两个不同视角(CC位和MLO位)进行拍摄，因此在一般情况下一个病灶会在两个视角同时反映出来，也就是说在CC位和MLO位会分别看到一个病灶，并且它们是同一病灶的不同视角。

现有的乳腺病灶检测分析算法通常对病人的四张乳腺X线影像(即两侧乳房各自的CC位和MLO位图像)进行分析，但是现有算法往往不能很好结合双侧乳腺信息，通常分别给出每张影像上的病灶检测结果，没有有效利用对侧乳房图像中的信息和不同视角图像的信息。现有技术中也有部分算法使用了双侧或多视角乳腺图像进行处理，但是还存在以下问题：

1、现有的基于anchor-free的检测方法在对病灶进行识别和回归时一般仅利用位于物体内部的分类结果和对物体矩形框的回归结果，会造成某些低质量的预测框(和真实矩形框位置差别较大的预测框)得到较高的分类分数，而有些高质量的预测框得到较低的分类分数，进一步影响后续的非极大值抑制过程(NMS过程，用于去除非最优预测框)的结果，造成检测框不准确。且现有技术中常用的anchor-free方法仅针对肿块病灶，未能涵盖所有类型以及形状的病灶，尤其是形状分布不均的病灶(比如钙化)，因而造成漏检。

2、现有的检测方法在利用双侧乳腺信息进行乳腺癌诊断时，未能更好利用左右两侧的特征信息，忽略了网络自动对双侧特征的挖掘提取能力。

3、现有的大多数病灶检测模型并没有很好利用同一乳房的双视角信息进行乳腺癌诊断，仅依靠单视角影像进行检测，常常会因为腺体重叠将正常腺体误诊为病灶，或漏诊不明显的病灶；

4、现有的大多数病灶检测模型都是基于双阶段的检测方法，双阶段的方法速度较慢，需要较长的时间才能完成诊断。

5、现有的病灶检测模型对于非对称致密的检出效果较差，因为非对称致密的检测同时依赖于双侧乳房对比，并且要结合同一乳房两个视角的信息才容易判断。

发明内容

本发明正是基于上述技术问题至少之一，提出了一种融合多影像信息的全卷积单阶段乳腺X线影像病灶检测方法，本发明采用不基于anchor的方法来进行病灶检测，从原始影像中抽取不同尺度的特征，将不同尺度的特征进行融合，以及将不同影像的信息进行融合，最后直接预测特征图上某一点是否对应一个病灶以及病灶的具体位置。Center-ness预测分支更有效保留了位于物体中心的特征点所预测出来的病灶，从而提升整体检出效果。

有鉴于此，本发明的第一方面的实施例，提出了一种乳腺图像处理方法，其特征在于，包括：