[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

说明书

本申请实施例提供了一种基于联合征象的乳腺X射线影像分析方法和装置该方法包括：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；根据病灶区域图像特征结合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，将病灶区域图像特征输入到与确定类型对应的具体征象图模型，其中，具体征象图模型包括多个征象节点，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；获取具体征象图模型输出的图像征象特征。

技术领域

本申请涉及影像分析技术领域，具体涉及一种基于联合征象的乳腺X射线影像分析方法、装置、电子设备和计算机可读存储介质。

背景技术

目前在世界范围内，乳腺癌是女性中发病率最高的癌症。乳腺X射线影像是乳腺癌早期筛查最重要的手段。由于X射线穿过人体时，被吸收的程度不同，通过人体后的X射线量就不同，这样所形成的影像便携带了人体各部密度分布的信息，在荧光屏上或摄影胶片上引起的荧光作用或感光作用的强弱就有较大差别，因而在荧光屏上或摄影胶片上(经过显影、定影)将显示出不同密度的阴影。根据阴影浓淡的对比，结合临床表现、化验结果和病理诊断，即可判断人体某一部分是否正常。当前关于乳腺X射线影像的良恶性分析的研究通常是利用不同维度的信息进行分类，网络的可解释性不强，因此分析结果的准确率低。

发明内容

有鉴于此，本申请实施例提供了一种基于联合征象的乳腺X射线影像分析方法和装置，解决了现有乳腺X射线影像分析方式可解释性不强且准确率低的问题。

根据本申请的一个方面，本申请一实施例提供的一种基于联合征象的乳腺X射线影像分析方法包括：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。

在本申请一实施例中，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。

在本申请一实施例中，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。

在本申请一实施例中，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在本申请一实施例中，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。

在本申请一实施例中，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：是否中心密度和典型性。

在本申请一实施例中，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。