[发明专利]融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、系统及存储介质

说明书

本申请提供了种融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、系统及计算机可读存储介质，该方法包括：获取超声图像，超声图像的对应内容包括乳腺部位；对超声图像进行处理，获得超声图像中的目标区域，该目标区域中包括有乳腺病灶区域图像；对识别出目标区域的超声图像提取第一特征和第二特征；基于所述第一特征和第二特征，进行融合处理，得到第一融合特征；对所述第一融合特征进行特征筛选处理，得到第二融合特征；基于所述第二融合特征，获得乳腺癌超声图像的分型结果。本发明提取高通量的超声图像特征及深度语义特征，并进行融合和特征筛选，实现对超声图像的有效、准确识别。

技术领域

本发明涉及超声医疗技术领域，属于对超声图像的识别和处理领域，具体涉及一种融合深度卷积网络和影像组学特征的乳腺癌超声图像的识别和分型方法及其对应的系统。

背景技术

随着医疗设备的不断发展，超声成像仪器因为其无创性、实时性、操作方便、价格便宜等诸多优势，使其成为临床上应用最为广泛的医疗设备工具之一。超声成像常用的功能模式包括二维黑白(B)模式、频谱多普勒模式(PW/CW)以及彩色血流模式(CF/PDI)。B模式依赖于超声回波信号的幅度进行成像，获取的是组织二维结构和形态信息，回波信号强度越大则对应的图像像素灰度值越大，反之则灰度值越小；PW/CW以及CF/PDI模式的基本原理都是多普勒效应，均依赖于超声回波信号的相位进行成像，获取的是速度、方向、能量等血流信息。

乳腺癌对全球女性健康的威胁日益增大，超声技术是公认的适合做乳腺癌筛查的技术，在中国的乳腺癌筛查指南中，超声检查被列为检查乳腺癌的主要手段之一。然而，超声成像因为其信噪比和分辨率相对比较低，传统的特征提取方法很难得到病灶特征的高效表达，因此使用超声影像对乳腺癌进行病理分类的准确率比较低，因此，提出一种精确的针对乳腺癌超声图像的图像处理和特征提取，以及识别的方法，方便后续人员对超声图像的使用，是现在市场上亟待解决的一项技术问题。

发明内容

为了解决相关技术中存在的不足，本发明提供一种乳腺癌超声图像分型方法、系统及存储介质，能够有效提高乳腺癌超声图像的识别以及分型的准确率。

为达到上述目的，具体而言，本发明提供了以下具体的技术方案：

一方面，本发明提供一种融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法，所述方法包括以下步骤：

S210：获取超声图像，所述超声图像包括乳腺部位；

S220：对所述超声图像进行处理，获得所述超声图像中的目标区域，所述目标区域中包括有乳腺病灶区域；

S230：对识别出目标区域的超声图像进行特征提取，得到第一特征，所述第一特征为深度特征；对识别出目标区域的超声图像进行特征提取处理，得到第二特征，所述第二特征基于至少5种不同影像组学图像处理算子获得的多个纹理特征及边缘特征得到；

S240：融合所述第一特征和第二特征，得到第一融合特征；

S250：对所述第一融合特征进行特征筛选处理，得到第二融合特征；

S260：基于所述第二融合特征，获得乳腺癌超声图分型结果。

优选地，所述S230中，所述多个纹理特征及边缘特征包括：通过SIFT 算子提取第一纹理特征，通过LBP算子提取第二纹理特征，通过GLSZM算子提取第三纹理特征，通过LOG算子提取第一边缘特征，通过Gabor算子提取第二边缘特征。

优选地，所述S240中，通过聚类方式，得到第一融合特征；所述聚类方式为：