[发明专利]基于联合征象的乳腺X射线影像分析方法和装置

权利要求书

1.一种基于联合征象的乳腺X射线影像分析方法，其特征在于，包括：

获取病灶区域；

基于预训练的特征提取模型提取乳腺X射线影像的病灶区域图像特征；

将所述病灶区域图像特征输入到病灶类型图模型中以得到病灶类型表征向量；

根据所述病灶区域图像特征结合所述病灶类型图模型得到的病灶类型进行特征变换处理以获取病灶的确定类型，将所述病灶区域图像特征输入到与所述确定类型对应的具体征象图模型，其中，所述具体征象图模型包括多个征象节点，所述多个征象节点中至少两个征象节点之间通过用于表征相关度的连接线连接；

获取所述具体征象图模型输出的图像征象特征；以及

将所述图像征象特征和所述提取的病灶图像特征进行融合处理以获得融合特征，将所述融合特征输入良恶性分类神经网络模型，以获取分析结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述病灶区域图像特征结合所述病灶类型图模型得到的病灶类型进行特征变换处理以获取病灶的确定类型包括：

根据所述病灶区域图像特征进行特征变换处理以获取与所述多个征象节点对应的多个征象属性取值。

3.根据权利要求2所述的方法，其特征在于，所述特征变换处理过程包括以下处理中的一种或多种组合：卷积处理、池化处理和全连接处理。

4.根据权利要求1所述的方法，其特征在于，所述获取所述图模型输出的图像征象特征包括：

通过利用原始图像特征和征象之间的相关性，计算得到的当前图像的征象类别向量。

5.根据权利要求1所述的方法，其特征在于，所述病灶类型结果为以下几项中的一项：肿块、钙化、不对称和结构扭曲。

6.根据权利要求5所述的方法，其特征在于，所述肿块对应的所述图模型包括以下征象节点中的一种或多种组合：形状、边缘清晰程度、肿块密度和有无分叶毛刺；和/或，

所述钙化对应的所述图模型包括以下征象节点中的一种或多种组合：钙化形态和钙化分布；和/或，

所述不对称对应的所述图模型包括以下征象节点中的一种或多种组合：4种不对称类型；和/或，

所述结构扭曲对应的所述图模型包括以下征象节点中的一种或多种组合：中心密度和典型性。

7.根据权利要求1所述的方法，其特征在于，所述分类处理包括以下处理中的一种或多种组合：卷积处理、池化处理、全连接处理和门逻辑处理；和/或，

所述融合处理包括聚合处理过程和对于聚合处理结果的特征修正过程，其中，所述聚合处理过程包括以下处理中的一种或多种组合：乘积和增加通道数，所述特征修正过程包括以下处理中的一种或多种组合：卷积处理、池化处理、非线性激活函数处理和归一化处理。

8.一种基于联合征象的乳腺X射线影像分析装置，其特征在于，包括：

第一获取模块，配置为获取病灶区域，基于预训练的特征提取模型提取乳腺X射线影像的病灶区域图像特征；

分类处理模块，配置为将所述病灶区域图像特征输入到病灶类型图模型中以得到病灶类型表征向量；

特征变换模块，配置为根据所述病灶区域图像特征结合所述病灶类型图模型得到的病灶类型进行特征变换处理以获取病灶的确定类型，将所述病灶区域图像特征输入到与所述确定类型对应的具体征象图模型，其中，所述具体征象图模型包括多个征象节点，所述多个征象节点中至少两个征象节点之间通过用于表征相关度的连接线连接；

第二获取模块，配置为获取所述具体征象图模型输出的图像征象特征；以及

融合分析模块，配置为将所述图像征象特征和所述原始计算的图像特征进行融合处理以获得融合特征，将所述融合特征输入良恶性分类神经网络模型，以获取分析结果。

9.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至7中任一所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至7中任一所述的方法。