【CN110490851A】基于人工智能的乳腺图像分割方法、装置及系统【专利】

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810550536.9(22)申请日 2018.05.31(71)申请人 深圳市安测生命科技有限公司地址 518057 广东省深圳市南山区粤海街道数字技术园国家工程实验室大楼B栋六层(72)发明人 钱唯　李宏　李晨　滕月阳　张小光　(51)Int.Cl.G06T 7/00(2017.01)G06K 9/62(2006.01)G06T 7/11(2017.01)G06N 3/04(2006.01)(54)发明名称基于人工智能的乳腺影像识别系统及方法(57)摘要本发明公开一种基于人工智能的乳腺影像识别系统及方法，应用在信息处理设备中，该方法包括步骤：从影像数据库中获取乳房CT图像；采用聚类算法对所述乳房CT图像进行预处理，得到CT图像的乳房实质区域和非乳房实质区域的数据集；将已知的乳房CT图像的数据集设置为训练集和验证集，将未知的乳房CT图像的数据集设置为测试集；建立卷积神经网络模型，采用训练集和验证集中的数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像乳房实质区域。

实施本发明，实现了对未知患者的乳房CT图像进行乳房实质区域提取功能，有助于下一阶段的乳腺癌提取、分类。

权利要求书3页 说明书7页 附图2页CN 110634118 A 2019.12.31C N 110634118A1.一种基于人工智能的乳腺影像识别系统，运行于信息处理设备中，其特征在于，所述信息处理设备与影像数据服务器通信连接，所述影像数据服务器中存储有影像数据库和肿瘤数据库，所述基于人工智能的乳腺影像识别系统包括多条计算机程序指令，所述信息处理设备包括适于实现计算机程序指令的微处理器以及适于存储计算机程序指令的存储器，所述计算机程序指令由微处理器加载并执行如下步骤：从影像数据库中获取乳房CT图像，所述乳房CT图像包括已知的乳房CT图像和未知的乳房CT图像；采用聚类算法对所述乳房CT图像进行预处理，得到CT图像的乳房实质区域和非乳房实质区域的数据集；将已知的乳房CT图像的数据集设置为训练集和验证集，将未知的乳房CT图像的数据集设置为测试集；建立卷积神经网络模型，采用训练集和验证集中的数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像乳房实质区域；从CT图像乳房实质区域提取乳房特征，所述乳房特征包括乳房的形状特征、图像纹理特征和形态学特征；根据乳房特征从肿瘤数据库中匹配相似度大于预设值的肿瘤图像，输出该肿瘤图像。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910463121.2(22)申请日 2019.05.30(71)申请人 沈闯地址 210019 江苏省南京市建邺区乐山路198号2幢一单元2704室(72)发明人 高雨枫　张天忆　沈闯　(74)专利代理机构 北京酷爱智慧知识产权代理有限公司 11514代理人 张绍磊(51)Int.Cl.G06T 7/00(2017.01)G16H 50/20(2018.01)G06T 7/11(2017.01)G06T 7/136(2017.01)(54)发明名称基于多尺度深度学习的乳腺癌图像识别方法、装置及介质(57)摘要本发明实施例公开了一种基于多尺度深度学习的乳腺癌图像识别方法、装置及介质，方法包括：获取两个尺度图像；对两个尺度图像进行预处理，以得到图块集；将图块集输入预先训练的识别网络，以得到概率集；基于概率集得到概率热图，并将其转换为二值图像；提取二值图像的连通域特征，以得到两个特征集合，并将两个特征集合合并为目标特征集合；将目标特征集合输入预先训练的随机森林分类器进行预测，以得到预测结果。

本发明实施例乳腺癌图像识别方法可以作为计算机辅助诊断工具，辅助病理科医生做出诊断，提高医生诊断的准确率与效率。

权利要求书2页 说明书9页 附图7页CN 110175998 A 2019.08.27C N 110175998A1.一种基于多尺度深度学习的乳腺癌图像识别方法，其特征在于，包括：获取第一尺度图像及第二尺度图像；对所述第一尺度图像及第二尺度图像进行预处理，以得到第一图块集及第二图块集，所述预处理包括降采样、色彩空间转换及感兴趣区域提取；将所述第一图块集及第二图块集分别输入预先训练的第一识别网络及第二识别网络，以得到第一概率集及第二概率集；所述第一识别网络及第二识别网络为卷积神经网络；基于所述第一概率集及第二概率集得到第一概率热图及第二概率热图，并将所述第一概率热图及第二概率热图转换为第一二值图像及第二二值图像；提取所述第一二值图像及第二二值图像的连通域特征，以得到第一特征集合及第二特征集合，并将所述第一特征集合及第二特征集合合并为目标特征集合；将所述目标特征集合输入预先训练的随机森林分类器进行预测，以得到预测结果。

专利名称：基于中智学理论的乳腺超声视频图像实时分割系统专利类型：发明专利
发明人：张玲,张明
申请号：CN201910880635.8
申请日：20190918
公开号：CN110648333B
公开日：
20220301
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于中智学理论的乳腺超声视频图像实时分割系统，实现高精度的乳腺超声视频序列图像的实时分割；该系统包括：图像采集装置，用于采集乳腺超声视频图像，并传输给处理器；处理器，用于接收图像采集装置上传的乳腺超声视频图像，提取乳腺超声视频的关键帧图像和非关键帧图像，并分别对关键帧图像和非关键帧图像进行分割；显示装置，用于显示处理器输出的乳腺超声视频图像分割结果。

申请人：山东大学
地址：250061 山东省济南市历城区山大南路27号
国籍：CN
代理机构：济南圣达知识产权代理有限公司
代理人：杨晓冰
更多信息请下载全文后查看。

一种乳腺图像处理方法、设备及存储介质技术领域本申请属于计算机技术领域，具体涉及一种乳腺图像处理方法、设备及存储介质。

背景技术乳腺疾病是临床比较常见的一种疾病，其不仅影响患者的外在美观性，也给患者的生活健康带来了严重的影响。

目前，全数字化乳腺钼靶X线摄影技术被广泛应用于乳腺疾病的诊断和普查中。

该技术具有操作过程简单、精确性高、检查费用低的特点，是临床常用的排查乳腺疾病的主要方式。

钼靶X线摄像的成像质量与临床医生的诊断、操作技术人员的熟练度和责任心、日常机器数据的校正等均有关系。

研究发现，在乳腺钼靶摄片的过程中采用质量控制管理，可以有效提高摄片的甲级片率，保证成像质量，同时提高乳腺疾病诊断的准确率，因此质量控制管理对于提高乳腺癌诊断准确率具有积极意义。

此外，预曝光时期的质量控制可以在正式摄影前提醒医师对患者进行指导调整，在节省时间的同时也能减少患者因二次挤压带来的痛苦。

现有技术主要是通过人工的方式在乳腺钼靶X线光片摄影的各个环节对质量进行监控，及时排解仪器故障问题和技师的操作问题，从而提高最终成像质量。

然而现有技术需要耗费大量的人力，人工成本较高，且人工方式容易对合格片进行误判，使得乳腺图像的成像质量不高，从而降低乳腺疾病诊断的准确率。

发明内容为了提高乳腺图像的成像质量，从而确保乳腺疾病诊断的高准确率，本申请提出一种乳腺图像处理方法、设备及存储介质。

一方面，本申请提出了一种乳腺图像处理方法，所述方法包括：获取待检测乳腺图像；基于乳腺分割模型对所述待检测乳腺图像进行乳腺分割处理，得到所述待检测乳腺图像对应的图像分割结果，对所述图像分割结果进行参数分析，得到所述待检测乳腺图像对应的参数分析指标；和/或，基于异物检测模型对所述待检测乳腺图像进行异物检测处理，得到所述待检测乳腺图像对应的异物检测结果；当所述参数分析指标不合格和/或所述异物检测结果为有异物存在的检测结果时，将所述待检测乳腺图像确定为不合格的待检测乳腺图像。