[发明专利]一种乳腺钼靶病灶检测方法及系统

权利要求书

1.一种乳腺钼靶病灶检测方法，其特征是，所述方法包括以下步骤：

获取历史钼靶影像数据，对所述历史钼靶影像数据进行钼靶标注；

将影像按照窗值选取若干窗口，并将选取的窗口进行归一化处理，作为训练模型的输入；

对输入的无标注的影像数据集进行无监督训练，得到中间表示状态，对输入的有标注的影像数据集训练，调节所述中间表示状态的信息，得到训练模型；

将待检测钼靶影像数据进行归一化处理后输入所述训练模型，得到钼靶病灶的检测结果。

2.根据权利要求1所述乳腺钼靶病灶检测方法，其特征是，所述窗口的选取具体为：

选取窗值[0,3500]作为全局窗，选取窗值为[500,3500]作为钙化窗，选取窗值[0,3000]作为肿块窗。

3.根据权利要求1所述乳腺钼靶病灶检测方法，其特征是，所述钼靶病灶包括良性钙化、肿块、肿块伴钙化、可疑钙化、淋巴结肿大、非对称致密、非对称致密伴钙化、结构扭曲、结构扭曲伴钙化、皮肤增厚、皮肤收缩、乳头凹陷。

4.根据权利要求3所述乳腺钼靶病灶检测方法，其特征是，所述方法还包括对于所述检测结果中存在的良性钙化形状进行分类，具体过程为：

构建良性钙化形状数据集，对数据集中良性钙化形状进行标注；

将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；

采用增加孔洞卷积的ResNet50网络进行训练，得到良性钙化分类预测模型；

基于所述良性钙化分类预测模型，对待检测影像中的良性钙化形状分类进行预测。

5.根据权利要求4所述乳腺钼靶病灶检测方法，其特征是，所述增加孔洞卷积的ResNet50网络具体为：

在ResNet50的Stage1、Stage2、Stage3的输出分支上分别用3*3空洞卷积进行卷积；

在ResNet50的Stage4的输出分支上进行1*1卷积；

经上述两步卷积后得到4个卷积结果，通过SPP结构把四个卷积分支进行融合，得到最终图片特征表示方式。

6.根据权利要求3所述乳腺钼靶病灶检测方法，其特征是，所述方法还包括对所述检测结果中存在的可疑钙化分布及形状进行分析，具体过程为：

构建可疑钙化分布和形状数据集，在数据集中标注可疑钙化形状；

将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；

采用增加孔洞卷积的ResNet50网络进行训练，得到可疑钙化分布及形状预测模型；

基于所述可疑钙化分布及形状预测模型，对待检测影像中的可疑钙化形状分类进行预测。

7.根据权利要求3所述乳腺钼靶病灶检测方法，其特征是，所述方法还包括对于所述检测结果中存在的肿块进行分析，预测肿块形状、密度和边缘，具体过程为：

构建肿块形状、密度和边缘数据集，对数据集中肿块的形状和边缘进行标注；

将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；

采用增加孔洞卷积的ResNet50网络进行训练，得到肿块形状及边缘的预测模型；

基于所述肿块形状及边缘的预测模型，对待检测影像中的肿块形状、边缘和密度进行预测。

8.根据权利要求3所述乳腺钼靶病灶检测方法，其特征是，所述方法还包括对于检测结果中存在的腺体类型和改变方式进行分类，具体过程为：

构建腺体类型和改变方式数据集，对数据集中LCC和RCC两种轴位图像对腺体类型和腺体改变方式进行标注；

将标注的影像归一化为自然图像，每个影像形成一张3通道图像，作为训练模型的输入；

采用增加孔洞卷积的ResNet50网络进行训练，得到腺体类型和改变方式的预测模型；

基于所述腺体类型和改变方式的预测模型，对待检测影像中的腺体类型和改变方式进行预测。