申请/专利权人：深圳医和家智慧医疗科技有限公司

申请日：2023-10-25

公开（公告）日：2024-06-25

公开（公告）号：CN117481672B

主分类号：A61B6/00

分类号：A61B6/00;A61B5/055;A61B5/00;A61B8/08;A61B8/00;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本申请提供一种乳腺组织硬化初期快速筛查智能方法，包括：采用单一模式的成像技术进行乳腺硬化初期筛查，从中获得高分辨率的图像数据；使用带通滤波器选择性地透过预设范围内波长的荧光，减少不同波长之间的干扰；对图像数据使用自动编码器模型，对对比度低于预设对比度和亮度低于预设亮度的区域进行增强；获取多个单一模式成像后经过增强的图像数据，融合生成多模态图像的医学图像数据；获取经过时间分辨处理后的图像数据，进行乳腺硬化的筛查分析；根据修复和校正后的乳腺图像，再次进行筛查分析，判断乳腺硬化部位是否为易病变部位；若医院诊断结果为无乳腺硬化和肿块，将数据输入支持向量机，对支持向量机进行调整。

主权项：1.一种乳腺组织硬化初期快速筛查智能方法，其特征在于，所述方法包括：采用单一模式的成像技术进行乳腺硬化初期筛查，从中获得高分辨率的图像数据；使用带通滤波器选择性地透过预设范围内波长的荧光，减少不同波长之间的干扰；对图像数据使用自动编码器模型，对对比度低于预设对比度和亮度低于预设亮度的区域进行增强；获取多个单一模式成像后经过增强的图像数据，融合生成多模态图像的医学图像数据；获取不同的时间点的已融合为多模态的医学图像，进行时间分辨处理，生成带有时间序列的医学图像；获取经过时间分辨处理后的图像数据，进行乳腺硬化的筛查分析；获取判断存在乳腺硬化的样本图像，分析是否存在某一区域的医学图像分辨率低于预设分辨率或亮度超出预设亮度，并对存在问题的区域进行修复和亮度校正；根据修复和校正后的乳腺图像，再次进行筛查分析，判断乳腺硬化部位是否为易病变部位；若医院诊断结果为无乳腺硬化和肿块，将数据输入支持向量机，对支持向量机进行调整；其中，所述获取多个单一模式成像后经过增强的图像数据，融合生成多模态图像的医学图像数据，包括：获取X射线、磁共振成像和超声波图像的原始数据；进行去噪和增强对比度；通过特征点匹配和变换模型调整图像的位置和尺度；使用ResNet-18进行特征提取，采用加权平均和特征级联融合特征；利用生成对抗网络进行模态重建，生成多模态医学图像数据；对生成的数据进行图像分割，标注出偏差大于预设值的区域，并进行质量评估和验证；还包括：根据不同模态图像之间的关联和特征表示，使用生成对抗网络融合多模态图像；将获取的乳房多模态融合医学图像进行图像分割，并与正常图像进行对比，标注出差异值大于预设差异值的区域；所述根据不同模态图像之间的关联和特征表示，使用生成对抗网络融合多模态图像，具体包括：获取不同模态图像的原始数据，包括X射线图像、磁共振成像图像和超声波图像；确保数据的质量和准确性，进行预处理操作，包括去噪和归一化；设计一个生成对抗网络架构，包括生成器和判别器，生成器将输入的多模态特征向量转化为融合的多模态图像，判别器用于评估生成图像的真实性；对于不同模态的图像数据，通过ResNet-18提取特征，将每个模态的特征编码为低维特征向量，保留对应模态的关键信息；将不同模态的特征向量输入到生成器中，使用加权平均在生成器中进行多模态特征的融合；使用以下公式进行特征的加权平均融合，F_fused＝w1*F1+w2*F2+w3*F3，其中，F_fused表示融合后的特征向量，F1、F2、F3分别表示不同模态的特征向量，w1、w2、w3表示对应模态特征的权重，权重根据不同模态的重要性和数据集的特点进行设置，生成器学习特征映射和模态之间的语义对应关系，根据融合的多模态特征向量，生成融合图像；判别器通过对生成的图像进行分类，分类包括真实图像和合成图像，根据判别器的反馈，生成器进行相应的优化，提高生成图像的质量；使用对抗性损失函数评估生成图像的质量和与真实图像的一致性，若对抗性损失函数小于预设对抗性损失函数，判定为一致；使用训练数据对生成对抗网络模型进行训练，根据结构相似性指数和专家的反馈对模型进行调优；所述将获取的乳房多模态融合医学图像进行图像分割，并与正常图像进行对比，标注出差异值大于预设差异值的区域，具体包括：经过患者同意后，获取乳房的多模态融合医学图像数据，对数据进行预处理，包括图像配准、归一化；对多模态医学图像使用边缘检测和纹理分析进行特征提取，使用K-means算法，根据医学图像的特征，将医学图像分为两类，包括异常图像与正常图像；使用canny算子对多模态医学图像进行分割，将图像分成不同的区域或者像素；将异常图像分割结果与正常图像进行对比，使用欧氏距离计算每个像素的差异值；根据预设的差异值阈值，确定差异值大于预设差异值的区域；通过阈值分割标注差异值大于预设差异值的区域，将其提取出来或者用颜色或标签进行标注；将标注出的差异区域进行可视化展示，使用彩色标注或者边界框方式突出显示，提供给医生进行诊断；其中，所述获取不同的时间点的已融合为多模态的医学图像，进行时间分辨处理，生成带有时间序列的医学图像，包括：获取不同时间点的多模态乳腺图像数据；进行图像校正、配准、增强和滤波；利用时间序列回归排序多个时间点的医学图像；进行特征提取，包括纹理特征、形状特征和灰度特征；利用SARIMA时间序列模型进行模型训练、预测和分析，得出医学图像的变化规律和趋势；最终将时间分辨处理结果进行可视化呈现。

全文数据：

权利要求：

百度查询： 深圳医和家智慧医疗科技有限公司 一种乳腺组织硬化初期快速筛查智能方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD