乳腺钙化灶属性分类和检测方法、装置、电子设备及介质与流程

本说明书涉及医学图像处理领域，尤其涉及一种乳腺钙化灶属性分类和检测方法、装置、电子设备及介质。

背景技术：

1、乳腺钼靶x线检查常用于早期乳腺癌筛查。乳腺钙化灶是指在x线影像中观察到的形态不规则的钙质沉淀，图像显示为白色亮斑，其中的可疑钙化灶是筛查的重要病灶类型。常见的可疑钙化灶的钙化表现有团簇无定形钙化、细小多形性钙化等。

2、通过乳腺x线影像学表现分析可疑钙化灶的属性，可帮助临床医生分析病变的良恶性，确定病灶的bi-rads分级，在早期乳腺癌筛查中具有重要意义。

3、可疑钙化灶的属性可通过联合分析该病灶的分布和形态来评估，针对钙化灶的分布和形态的分类偏差会影响后续病变分析结果的可靠性，因此需要提升对钙化灶属性分类的准确度。

技术实现思路

1、为解决相关技术中的问题，本发明实施例提供了一种乳腺钙化灶的属性分类和检测方法、装置、电子设备及介质，能够对钙化灶的分布与形态作出更准确和精细的分类预测，提高钙化灶属性的分类准确度，进而提升病变分析的可靠度。

2、本发明的一个方面提供了一种乳腺钙化灶属性的分类方法，包括：

3、获得第一病灶图像和第二病灶图像，所述第一病灶图像与所述第二病灶图像分别来自不同投照视角的乳腺图像，且包含同一个目标病灶区域；

4、从所述第一病灶图像提取得到第一病灶特征，从所述第二病灶图像提取得到第二病灶特征；

5、将所述第一病灶特征和所述第二病灶特征输入交叉注意力模块，得到交叉病灶特征；

6、基于所述交叉病灶特征，通过第一分类头预测所述目标病灶的分布，通过第二分类头预测所述目标病灶的形态。

7、本发明的另一个方面提供了一种乳腺钙化灶的检测方法，包括：

8、获得第一投照视角的乳腺图像和第二投照视角乳腺图像；

9、将所述第一投照视角的乳腺图像和所述第二投照视角的乳腺图像输入病灶检测配对模型，得到第一病灶图像和第二病灶图像，其中，所述第一病灶图像和所述第二病灶图像包含同一个钙化灶区域；

10、通过如前所述的钙化灶属性的分类方法处理所述第一病灶图像和所述第二病灶图像，得到所述钙化灶的分布和形态预测结果。

11、本发明的另一个方面提供了一种乳腺钙化灶属性的分类装置，包括：

12、病灶图像获取模块，被配置为获得第一病灶图像和第二病灶图像，所述第一病灶图像与所述第二病灶图像分别来自不同投照视角的乳腺图像，且包含同一个目标病灶区域；

13、特征提取模块，被配置从所述第一病灶图像提取得到第一病灶特征，以及从所述第二病灶图像提取得到第二病灶特征；

14、交叉融合模块，被配置为将所述第一病灶特征和所述第二病灶特征输入交叉注意力模块，得到交叉病灶特征；

15、分布预测模块，被配置为基于所述交叉病灶通过第一分类头特征预测所述目标病灶的分布；

16、形态预测模块，被配置为基于所述交叉病灶通过第二分类头特征预测所述目标病灶的形态。

17、本发明的另一个方面提供了一种电子设备，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行以使得处理器实现如上所述的方法。

18、本发明的另一个方面提供了一种计算机可读存储介质，其上存储有计算机可读指令，指令被处理器执行时使得处理器实现如上所述的方法。

19、本发明的另一个方面提供了一种计算机程序，其被处理器执行时使得处理器实现如上所述的方法。

20、本发明技术方案带来有益效果如下：

21、1、分类模型使用多视角交叉注意力机制，可在同时分析钙化灶在不同投照位的影像学表现的基础上给出更严谨的属性分类，改善了仅分析单视角的钙化表现而导致的缺陷。

22、2、在分类过程中引入钙化灶的轮廓信息对钙化灶区域进行更加精细的特征提取，增强了神经网络的特征可解释性。

23、3、针对钙化灶的分布预测进行了多分类任务建模，而针对钙化形态则使用了多标签分类任务进行进行建模，使得预测过程更加贴近临床诊断的思路，提高了预测准确度。

24、4、应用本发明方法的分类模型，经实验验证，预测钙化分布的平均准确率达到85％，钙化形态的准确率达87％，相比使用单视角乳腺图像的传统模型，采用本发明实施例的模型预测的钙化分布的准确率提升大于3％，预测钙化形态的准确率提升大于8％，改善效果非常明显。

技术特征：

1.一种乳腺钙化灶属性的分类方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述从所述第一病灶图像提取得到第一病灶特征，从所述第二病灶图像提取得到第二病灶特征，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述从所述第一病灶图像提取得到第一病灶特征包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一掩膜增强所述第一原始特征包括：

5.根据权利要求1或2所述的方法，其特征在于，所述从所述第二病灶图像提取得到第二病灶特征包括：

6.根据权利要求1所述的方法，其特征在于，所述第一分类头为基于多分类任务的神经网络，所述第二分类头为基于多标签分类任务的神经网络。

7.一种乳腺钙化灶的检测方法，其特征在于，包括：

8.一种乳腺钙化灶属性的分类装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机可读指令，所述指令被处理器执行时使得处理器执行如权利要求1-7任一项所述的方法。

技术总结
本发明提供了一种乳腺钙化灶属性的分类方法，包括：获得第一病灶图像和第二病灶图像，所述第一病灶图像与所述第二病灶图像分别来自不同投照视角的乳腺图像，且包含同一个目标病灶区域；从所述第一病灶图像提取得到第一病灶特征，从所述第二病灶图像提取得到第二病灶特征；将所述第一病灶特征和所述第二病灶特征输入交叉注意力模块，得到交叉病灶特征；基于所述交叉病灶特征，通过第一分类头预测所述目标病灶的分布，通过第二分类头预测所述目标病灶的形态。本发明的技术方案能够对乳腺钙化灶的分布与形态作出更准确和精细的分类预测，提高钙化灶属性的分类准确度，进而帮助临床提升病变分析的可靠性。

技术研发人员：王震东,王子腾,丁佳,吕晨翀
受保护的技术使用者：北京医准医疗科技有限公司
技术研发日：
技术公布日：2024/3/31