[发明专利]一种乳腺超声图像病灶智能识别防漏判系统的构建方法

说明书

本发明公开了一种乳腺超声图像病灶智能识别防漏判系统的构建方法，包括S1.数据准备，S2.深度神经网络模型设计，S3.防漏诊数据一致性设计，S4.防漏诊模型训练，S5.防漏诊模型测试。本发明乳腺超声图像病灶智能识别防漏判系统的构建方法，构建的系统添加了一个防漏诊模型模块，防漏诊模型模块使用生成对抗神经网络来设计，能够降低原有的计算机智能诊断系统的漏诊率，以此来提升辅助诊断的效果和精度，减少医院医生的工人看片成本，提高效率。

技术领域

本发明涉及超声影像技术领域，尤其是涉及一种乳腺超声图像病灶智能识别防漏判系统的构建方法。

背景技术

乳腺癌是发生在乳腺腺上皮组织的恶性肿瘤。乳腺癌中99%发生在女性，男性仅占1%。女性乳腺是由皮肤、纤维组织、乳腺腺体和脂肪组成的，乳腺并不是维持人体生命活动的重要器官，原位乳腺癌并不致命；但由于乳腺癌细胞丧失了正常细胞的特性，细胞之间连接松散，容易脱落。癌细胞一旦脱落，游离的癌细胞可以随血液或淋巴液播散全身，形成转移，危及生命。目前乳腺癌已成为威胁女性身心健康的常见肿瘤并已成为当前社会的重大公共卫生问题。据世界卫生组织国际癌症研究机构（IARC）发布的2020最新全球癌症数据显示，乳腺癌已经取代肺癌成为全球第一大癌。乳腺癌发病人数增加，根本原因之一是乳腺癌风险因素的不断变化，比如推迟生育、生育次数减少，这在正经历社会和经济转型的国家中最为明显，超重和肥胖，以及缺乏运动，也是造成全世界乳腺癌发病率上升的原因。中国不是乳腺癌的高发病国家，但情况依旧不宜乐观，乳腺癌的早发现，早治疗，是提升患者存活率的关键。

对于乳腺癌的诊断，影像学检查中的彩超检查能有效检测病变部位。乳腺超声技术应用于乳腺癌诊断始于20世纪50年代，具有无创、快捷、重复性强等优点，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。由于无放射性，可适用于任何年龄，尤其是妊娠及哺乳期女性的乳腺检查。能较好地显示乳腺肿块的位置、形态、结构等。对较致密乳腺、肿块可能难以分辨，超声可利用声波界面反射的差别，清晰显示病灶的轮廓和形态。目前，在部分医疗较好的医院，每位患者先通过彩超检查获得彩超图像数据，之后再由专业放射科技师对每一张图片进行人工诊断，最后得到患者的病例报告。同时，计算机辅助技术（CAD）能够智能诊断乳腺彩超图片，辅助医生更好的做出决策。

现有的乳腺彩超识别需要人工进行诊断，这种诊断效果极大程度取决于专业医师的专业水平，人工读片成本大，但由于医生水平参差不齐，同时优秀的医生的个数又不能满足与日增长的患者数量，所以病人需要等待多日以后才能拿到自己的病例报告结果。同时，现有的计算机辅助诊断设备准确率较低，不能满足临床的实际需求，而且这些辅助设备存在漏诊的可能，这会对患者的生命造成严重危害。对于现有的基于深度神经网络的计算机辅助治疗模型，训练数据将直接放入卷积神经网络（CNN）模型进行训练，之后再通过系统返回的阴性或者阳性结果来判断图片是否存在恶性肿瘤。该方法可能存在极高的漏诊率，对一些本来为阳性的患者，如果诊断成阴性，那么就可能严重拖延患者的治疗时机。

发明内容

有鉴于此，本发明的目的是针对现有技术的不足，提供一种乳腺超声图像病灶智能识别防漏判系统的构建方法，添加了一个防漏诊模型模块，能够降低原有的计算机智能诊断系统的漏诊率，以此来提升辅助诊断的效果和精度，减少医院医生的工人看片成本，提高效率。

为达到上述目的，本发明采用以下技术方案：一种乳腺超声图像病灶智能识别防漏判系统的构建方法，包括S1.数据准备，S2.深度神经网络模型设计，S3.防漏诊数据一致性设计，S4.防漏诊模型训练，S5.防漏诊模型测试。

进一步地，数据准备包括以下步骤：

S1.1.数据标注：对于彩超图像中发生乳腺癌病变的确切位置进行标注，以获取对应图像的标签，每一张彩超图像对应一个标签，0代表正常乳腺或者良性肿瘤，1代表恶性肿瘤；

S1.2.数据预处理：对于每个彩超报告，裁减掉除了彩超图像以外的其他信息以防止额外信息的干扰；将每张彩超图像重新拉伸或缩减至相同大小以适应网络输入大小；