[发明专利]基于吸收度的双视图乳腺肿瘤病变区自动检测方法及系统

权利要求书

1.基于吸收度的双视图乳腺肿瘤病变区自动检测方法，其特征在于，包括以下步骤：

S1，获取乳腺超声肿瘤灰度图像数据集，标注数据集中乳腺肿瘤的位置，并对数据集进行预处理，生成预处理的乳腺超声肿瘤图像数据集；

S2，将预处理图像根据超声波透射原理进行吸收度变换，得到超声吸收度图像；

S3，将预处理后的乳腺超声肿瘤灰度图像和对应的超声吸收度图像作为双视图，输入双视图检测模型；

S4，双视图检测模型通过双流backbone主干网络，分别对双视图进行特征提取，通过多层卷积分别有效反映出双视图中肿瘤感兴趣区域；

所述S4包括：将不同尺度的乳腺超声肿瘤灰度特征图和吸收度特征图嵌入DFT单元，进行特征融合，其中，i=2、3、4，再将融合后的特征图和加回到各自原来的灰度特征图和吸收度特征图上，依次输出不同尺度特征的特征图P2、P3和P4，以充分利用不同视图间的特征信息，提高对乳腺肿瘤病变区域的检测，最后融合特征图P2、P3和P4，作为预测图像输出；

所述S4中，采用YOLOv5主干提取网络分别对乳腺超声肿瘤灰度图像和吸收度图像进行提取特征，以有效反映病变区域；其中，双流backbone主干网络采用CSPDarknet网络；

所述S4包括如下步骤：

S41，采用focus模块，对双视图进行切片操作；采用CBM结构，提取双视图的特征信息；采用CSP1结构，通过跨阶段层次结构，加强对特征的提取；

S42，分别采用CBM和CSP2结构提取乳腺肿瘤病变区域特征，得到特征图和，输入到DFT单元中，所述DFT单元把不同视图映射到同一特征空间，加强对乳腺肿瘤病变区特征信息的关注，输出一次融合特征图和，将和加到原来的特征图和上，输出P2；

S43，采用CBM结构和CSP2结构，对特征图和的乳乳腺肿瘤病变区域特征信息进行进一步提取，得到特征图和，输入DFT单元中，进一步缓解噪声的影响，增强病变区域的检测，输出二次融合特征图和，将和加到原来的特征图和上，输出P3；

S44，采用CBM结构，对二次融合乳腺肿瘤病变区域特征信息和进行进一步的提取；采用SPP结构在不同尺寸上对二次融合特征信息和进行提取；采用CBM结构，提取病变区域特征后得到特征图和输入DFT单元中，实现双视图对病变区域特征的增强和补偿，输出三次融合特征图和，将和加到原来的特征图和上，输出P4；

S45，将特征图P2、P3和P4融合，作为预测结果输出。

2.根据权利要求1所述的基于吸收度的双视图乳腺肿瘤病变区自动检测方法，其特征在于，所述S1中，所述预处理主要包括对超声图像四周的标注信息去除和增强对比度，所述增强对比度的计算公式如下：

；

其中，为原始图像像素点的值，为对应增强处理后的像素值，表示对数函数，常数C用于使变换后的图像的灰度动态范围符合要求。

3.根据权利要求1所述的基于吸收度的双视图乳腺肿瘤病变区自动检测方法，其特征在于，所述S2包括如下步骤：

S21，将预处理图像中每个像素的灰度值转换为吸收度值，计算公式如下：

；

其中，是吸收度值，是像素的灰度值，是背景平均灰度值；

S22，通过线性变换将吸收度值映射到[0,255]范围内，将吸收度值转换为深度信息图像，得到超声吸收度图像。

4.根据权利要求1所述的基于吸收度的双视图乳腺肿瘤病变区自动检测方法，其特征在于，所述S3中，双视图输入双视图检测模型之前，先对双视图进行马赛克增强和自适应图片缩放；马赛克增强为随机选取4张图片对其进行随机的剪裁和旋转操作，再进行拼接合成图像。