[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

说明书

本发明公开了一种基于乳腺超声影像的乳腺病灶智能分析方法及系统，该方法主要包括动态识别、辅助分析、生成报告/病例三部分，三部分既可以单独使用，分阶段输出对应的结果，也可以联合在一起使用，贯穿乳腺超声检查的整个流程，该方法使用裁剪优化过的深度学习算法完成识别和分析工作，分析结果可靠性高且时效性强，且该方法得到的分析结果主要用于辅助医生高效处理日常乳腺超声检查工作，辅助分析、生成报告/病例两个环节均是应用户请求完成的，相对于传统的乳腺病灶分析方法更加人性化，误诊漏诊率大大降低。

技术领域

本发明涉及人工智能与超声医学影像处理技术领域，更具体的说是涉及一种基于乳腺超声影像的乳腺病灶智能分析方法及系统。

背景技术

目前，随着女性乳腺疾病相关知识的不断普及，定期进行乳腺检查成为乳腺疾病诊断和防护的首要工作。乳腺超声技术具有无创、快捷、重复性强、无放射等优点，能清楚地显示乳腺各层软组织及其中肿块的形态、内部结构及相邻组织的改变，给乳腺疾病的排查工作带来很大的便利，但是，乳腺超声检查在医院的临床引用过程中还存在以下几个方面的问题：

1.乳腺超声检查对医生的医学知识和技术经验等有着较高的要求，如需要根据患者不同情况，正确的操控探头的角度、位置等，也需要根据超声图像正确理解各组织及病灶类型、性质等，而超声科面对日益增长的乳腺检查的需求，均已出现医生不足的情况；

2.超声科医生每天面对日益繁重的工作，受情绪、体力等影响，难免会出现漏诊、误诊的情况；

3.医生在使用超声设备检查完后，仍需对病灶进行测量、分析，并投入一定的时间和精力输入文字，形成病例、超声报告等。

为简化医生工作流程、减轻工作负担、提高诊断正确率，基于深度学习技术的智能化诊断系统应运而生，由于该系统智能化程度高于传统的超声检查系统，检查工作效率得到一定程度的提升，但是，基于深度学习的智能化分析、诊断技术在临床应用上仍存在以下方面问题：

1.实时性差，深度学习是一种计算密集型技术，对CPU、GPU等有着较高的要求。所以很多智能化系统都是依赖云计算或远程服务器进行，受制与网络和网速等，即使是部署到设备端的离线模型，也有存在响应缓慢、延迟较大等问题，医生对系统的体验和使用效率都并不是很好。

2.完成度低，很多系统基于深度学习技术可以完成医生工作流程中的一部分，如病灶检测识别、性状分析等，但并未完全契合或完成医生日常工作的流程。医生为使用类似系统还需支出额外精力或时间，改变工作流程、习惯等。

3.误诊漏诊，基于深度学习的智能化诊断系统，虽然在一定程度上提高了某些方面的识别率，但仍不可避免的存在误诊、漏诊的情况。

因此，如何提供一种时效性强、准确可靠、功能更加齐全的乳腺病灶智能分析方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于乳腺超声影像的乳腺病灶智能分析方法及系统，该方法从动态识别、辅助分析、生成报告/病例三方面辅助医生对乳腺病灶进行分析，解决了现有的乳腺病灶智能分析方法实时性差、完成度低且误诊漏诊率高的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于乳腺超声影像的乳腺病灶智能分析方法，该方法包括：

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；

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。

进一步地，识别病灶的过程，具体包括：