[发明专利]一种基于乳腺超声影像的乳腺病灶智能分析方法及系统

权利要求书

1.一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，包括：

识别病灶：获取病人相关的乳腺超声影像数据，对获取到的乳腺超声影像进行动态识别，在乳腺超声影像中标记出乳腺病灶的位置及区域，并输出乳腺病灶标记图像；

辅助分析：根据用户请求，对乳腺病灶标记图像做进一步分析，推算出病灶各维度的分类信息，并将信息整理汇总后进行显示，输出辅助分析结果；具体包括：数据预处理：根据用户请求，对乳腺病灶标记图像进行预处理；构建模型：构建基于深度学习的乳腺超声影像辅助分析网络，使用乳腺超声检查临床实践中的真实影像对乳腺超声影像辅助分析网络进行训练，并优化训练后的模型，得到辅助分析网络模型；病灶分析：将预处理后的乳腺病灶标记图像输入辅助分析网络模型，输出乳腺病灶辅助分析结果；

构建模型的过程，具体包括：构建基于深度学习的乳腺超声影像辅助分析网络；对乳腺超声检查临床实践中的真实影像数据进行脱敏处理；对脱敏后的真实影像数据进行分类标注，得到分类标注图像，所述标注采用矩形框框选、图像分割的多边形边沿标注两种标注方式；将分类标注图像转交医院超声科医生进行二次分类标注或确认；将二次分类标注或确认后的分类标注图像采用缩放、平移、旋转、弹性拉伸、高斯模糊、调节亮度对比度方式进行数据增强处理，得到样本数据；将样本数据输入乳腺超声影像辅助分析网络进行训练，进一步压缩并优化网络模型，得到深度学习网络模型；

所述深度学习网络模型还包括残差结构和bn层；所述残差结构在原先的多个重复块层的常规层次连接的基础上，引入跳跃连接；所述bn层在网络的每一层输入之前，通过尺度缩放和偏移，对当前层的输入做一个归一化处理，且在训练过程中需通过控制衰减系数来管理尺度缩放的系数和偏移量；

生成病例/报告：根据用户请求，对辅助分析结果做进一步整合处理，生成病例或超声报告。

2.根据权利要求1所述的一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，识别病灶的过程，具体包括：

获取数据：获取病人相关的乳腺超声影像数据，并输入病人的个人信息，将病人的个人信息和对应的乳腺超声影像数据一并存储；

数据预处理：对乳腺超声影像数据进行预处理；

构建模型：构建基于深度学习的乳腺病灶动态识别神经网络，并使用乳腺超声检查临床实践中的真实影像数据对乳腺病灶动态识别神经网络进行训练，并优化训练后的模型，得到深度学习网络模型；

结果推断：将预处理后的乳腺超声影像数据输入深度学习网络模型，输出乳腺病灶推算结果；

病灶解析：根据乳腺病灶推算结果，计算解析出乳腺病灶的实际位置或边缘；

输出结果：将乳腺病灶的实际位置或边缘进行标注，输出乳腺病灶标记图像。

3.根据权利要求2所述的一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，对乳腺超声影像数据进行预处理的过程，具体包括：

提取乳腺超声影像数据中的图像信息；

对图像进行缩放、灰度化及归一化处理。

4.根据权利要求2所述的一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，构建模型的过程，具体包括：

构建基于深度学习的乳腺病灶动态识别神经网络；

对乳腺超声检查临床实践中的真实影像数据进行脱敏处理；

对脱敏后的真实影像数据进行标注，得到标注图像，所述标注采用矩形框框选、图像分割的多边形边沿标注两种标注方式；

将标注图像转交医院超声科医生进行二次标注或确认；

将二次标注或确认后的标注图像采用缩放、平移、旋转、弹性拉伸、高斯模糊、调节亮度对比度等方式进行数据增强处理，得到样本数据；

将样本数据输入乳腺病灶动态识别神经网络进行训练，进一步压缩并优化网络模型，得到深度学习网络模型。

5.根据权利要求1所述的一种基于乳腺超声影像的乳腺病灶智能分析方法，其特征在于，病灶分析的过程，具体包括：

对预处理后的乳腺病灶标记图像进行深度网络计算，推理出乳腺病灶各维度的分类信息；

根据推理得到的乳腺病灶各维度的分类信息，解析出病灶的实际分类信息；

对乳腺病灶各个维度的实际分类信息进行整理和汇总后，进行显示。