[发明专利]基于多模态融合的对比增强能谱乳腺摄影分类方法及系统

说明书

本发明属于医疗影像处理技术领域，提供了一种基于多模态融合的对比增强能谱乳腺摄影分类方法及系统。其中，该方法包括获取多模态的若干个对比增强能谱乳腺摄影图像；所述多模态的对比增强能谱乳腺摄影图像包括能谱低能图像和能谱对比增强图像；预处理对比增强能谱乳腺摄影图像；提取预处理后的对比增强能谱乳腺摄影图像的特征并进行融合，形成具有综合特征的融合图像；提取融合图像的特征；将提取的特征输入到分类器中，输出图像分类结果。

技术领域

本发明属于医疗影像处理技术领域，尤其涉及一种基于多模态融合的对比增强能谱乳腺摄影分类方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

乳腺癌是女性中最常见的癌症，严重影响女性健康。建立可靠的筛查方法对乳腺癌的早期诊断至关重要。乳腺癌检查的措施主要有乳腺X射线摄影、乳腺超声检查、乳腺MRI和对比增强能谱乳腺摄影等。对比增强能谱乳腺摄影(又称乳腺对比增强摄影)是一种新兴的乳腺癌检测技术。这种图像是通过数字双能乳腺对比增强摄影设备采集的。该设备的原型是乳腺X射线摄影系统，经过改造后可实现双能曝光。这种方法可以同时得到多个模态的乳腺图像，所以能够获得肿瘤不同形态的特征。同时它克服了乳腺造影中的组织重叠现象，提供了高图像分辨率的肿瘤信息，是一种很有前景的成像技术。

在临床实践中，临床专家对乳腺图像的检测一般都是人工操作，耗时耗力，成本高。此外，放射科医生可能会因为致密组织的重叠或肿块形状、大小、边界的变化而漏掉原发病变。基于机器学习的图像分析方法可以提高乳腺图像分类的准确性。影像处理技术可以从临床图像中提取有用的信息，以提高乳腺图像分类的精度和准确性。然而，发明人发现，现有的基于人工智能的方法大部分是将处理自然图像直接用在医学图像中，而没有考虑到医学图像的具体特征，从而影响乳腺图像分类的精度和准确性。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于多模态融合的对比增强能谱乳腺摄影分类方法及系统，其能够综合利用乳腺对比增强摄影图像的特点，提高对比增强能谱乳腺摄影图像分类的精准性。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于多模态融合的对比增强能谱乳腺摄影分类方法。

一种基于多模态融合的对比增强能谱乳腺摄影分类方法，其包括：

获取多模态的若干个对比增强能谱乳腺摄影图像；所述多模态的对比增强能谱乳腺摄影图像包括能谱低能图像和能谱对比增强图像；

预处理对比增强能谱乳腺摄影图像；

提取预处理后的对比增强能谱乳腺摄影图像的特征并进行融合，形成具有综合特征的融合图像；

提取融合图像的特征；

将提取的特征输入到分类器中，输出图像分类结果。

本发明的第二个方面提供一种基于多模态融合的对比增强能谱乳腺摄影分类系统。

一种基于多模态融合的对比增强能谱乳腺摄影分类系统，其包括：

图像获取模块，其用于获取多模态的若干个对比增强能谱乳腺摄影图像；所述多模态的对比增强能谱乳腺摄影图像包括能谱低能图像和能谱对比增强图像；

预处理模块，其用于预处理对比增强能谱乳腺摄影图像；

多模态融合模块，其用于提取预处理后的对比增强能谱乳腺摄影图像的特征并进行融合，形成具有综合特征的融合图像；

特征提取模块，其用于提取融合图像的特征；

特征分类模块，其用于将提取的特征输入到分类器中，输出图像分类结果。