本申請(qǐng)實(shí)施例提供了一種基于聯(lián)合征象的乳腺X射線影像分析方法和裝置該方法包括：獲取病灶區(qū)域；基于預(yù)訓(xùn)練的特征提取模型提取乳腺X射線影像的病灶區(qū)域圖像特征；將病灶區(qū)域圖像特征輸入到病灶類(lèi)型圖模型中以得到病灶類(lèi)型表征向量；根據(jù)病灶區(qū)域圖像特征結(jié)合病灶類(lèi)型圖模型得到的病灶類(lèi)型進(jìn)行特征變換處理以獲取病灶的確定類(lèi)型，將病灶區(qū)域圖像特征輸入到與確定類(lèi)型對(duì)應(yīng)的具體征象圖模型，其中，具體征象圖模型包括多個(gè)征象節(jié)點(diǎn)，多個(gè)征象節(jié)點(diǎn)中至少兩個(gè)征象節(jié)點(diǎn)之間通過(guò)用于表征相關(guān)度的連接線連接；獲取具體征象圖模型輸出的圖像征象特征。

技術(shù)領(lǐng)域

本申請(qǐng)涉及影像分析技術(shù)領(lǐng)域，具體涉及一種基于聯(lián)合征象的乳腺X射線影像分析方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

目前在世界范圍內(nèi)，乳腺癌是女性中發(fā)病率最高的癌癥。乳腺X射線影像是乳腺癌早期篩查最重要的手段。由于X射線穿過(guò)人體時(shí)，被吸收的程度不同，通過(guò)人體后的X射線量就不同，這樣所形成的影像便攜帶了人體各部密度分布的信息，在熒光屏上或攝影膠片上引起的熒光作用或感光作用的強(qiáng)弱就有較大差別，因而在熒光屏上或攝影膠片上(經(jīng)過(guò)顯影、定影)將顯示出不同密度的陰影。根據(jù)陰影濃淡的對(duì)比，結(jié)合臨床表現(xiàn)、化驗(yàn)結(jié)果和病理診斷，即可判斷人體某一部分是否正常。當(dāng)前關(guān)于乳腺X射線影像的良惡性分析的研究通常是利用不同維度的信息進(jìn)行分類(lèi)，網(wǎng)絡(luò)的可解釋性不強(qiáng)，因此分析結(jié)果的準(zhǔn)確率低。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)實(shí)施例提供了一種基于聯(lián)合征象的乳腺X射線影像分析方法和裝置，解決了現(xiàn)有乳腺X射線影像分析方式可解釋性不強(qiáng)且準(zhǔn)確率低的問(wèn)題。

根據(jù)本申請(qǐng)的一個(gè)方面，本申請(qǐng)一實(shí)施例提供的一種基于聯(lián)合征象的乳腺X射線影像分析方法包括：獲取病灶區(qū)域；基于預(yù)訓(xùn)練的特征提取模型提取乳腺X射線影像的病灶區(qū)域圖像特征；將所述病灶區(qū)域圖像特征輸入到病灶類(lèi)型圖模型中以得到病灶類(lèi)型表征向量；根據(jù)所述病灶區(qū)域圖像特征結(jié)合所述病灶類(lèi)型圖模型得到的病灶類(lèi)型進(jìn)行特征變換處理以獲取病灶的確定類(lèi)型，將所述病灶區(qū)域圖像特征輸入到與所述確定類(lèi)型對(duì)應(yīng)的具體征象圖模型，其中，所述具體征象圖模型包括多個(gè)征象節(jié)點(diǎn)，所述多個(gè)征象節(jié)點(diǎn)中至少兩個(gè)征象節(jié)點(diǎn)之間通過(guò)用于表征相關(guān)度的連接線連接；獲取所述具體征象圖模型輸出的圖像征象特征；以及將所述圖像征象特征和所述提取的病灶圖像特征進(jìn)行融合處理以獲得融合特征，將所述融合特征輸入良惡性分類(lèi)神經(jīng)網(wǎng)絡(luò)模型，以獲取分析結(jié)果。

在本申請(qǐng)一實(shí)施例中，所述根據(jù)所述病灶區(qū)域圖像特征結(jié)合所述病灶類(lèi)型圖模型得到的病灶類(lèi)型進(jìn)行特征變換處理以獲取病灶的確定類(lèi)型包括：根據(jù)所述病灶區(qū)域圖像特征進(jìn)行特征變換處理以獲取與所述多個(gè)征象節(jié)點(diǎn)對(duì)應(yīng)的多個(gè)征象屬性取值。

在本申請(qǐng)一實(shí)施例中，所述特征變換處理過(guò)程包括以下處理中的一種或多種組合：卷積處理、池化處理和全連接處理。

在本申請(qǐng)一實(shí)施例中，所述獲取所述圖模型輸出的圖像征象特征包括：

通過(guò)利用原始圖像特征和征象之間的相關(guān)性，計(jì)算得到的當(dāng)前圖像的征象類(lèi)別向量在本申請(qǐng)一實(shí)施例中，所述病灶類(lèi)型結(jié)果為以下幾項(xiàng)中的一項(xiàng)：腫塊、鈣化、不對(duì)稱(chēng)和結(jié)構(gòu)扭曲。

在本申請(qǐng)一實(shí)施例中，所述腫塊對(duì)應(yīng)的所述圖模型包括以下征象節(jié)點(diǎn)中的一種或多種組合：形狀、邊緣清晰程度、腫塊密度和有無(wú)分葉毛刺；和/或，所述鈣化對(duì)應(yīng)的所述圖模型包括以下征象節(jié)點(diǎn)中的一種或多種組合：鈣化形態(tài)和鈣化分布；和/或，所述不對(duì)稱(chēng)對(duì)應(yīng)的所述圖模型包括以下征象節(jié)點(diǎn)中的一種或多種組合：4種不對(duì)稱(chēng)類(lèi)型；和/或，所述結(jié)構(gòu)扭曲對(duì)應(yīng)的所述圖模型包括以下征象節(jié)點(diǎn)中的一種或多種組合：是否中心密度和典型性。

在本申請(qǐng)一實(shí)施例中，所述分類(lèi)處理包括以下處理中的一種或多種組合：卷積處理、池化處理、全連接處理和門(mén)邏輯處理；和/或，所述融合處理包括聚合處理過(guò)程和對(duì)于聚合處理結(jié)果的特征修正過(guò)程，其中，所述聚合處理過(guò)程包括以下處理中的一種或多種組合：乘積和增加通道數(shù)，所述特征修正過(guò)程包括以下處理中的一種或多種組合：卷積處理、池化處理、非線性激活函數(shù)處理和歸一化處理。