CN111028310A - 乳腺断层扫描的扫描参数确定方法、装置、终端及介质 - Google Patents

Abstract

本发明实施例公开了一种乳腺断层扫描的扫描参数确定方法、装置、终端及介质，其中该方法包括：获取被压迫的乳房的厚度信息以及其二维平片；将所述乳房的二维平片输入到特征提取模型，输出乳腺特征参数；根据所述乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，所述扫描参数包括扫描角度范围和扫描帧数。本发明实施例提供的一种乳腺断层扫描的扫描参数确定方法、装置、终端及存储介质，用于自动选取合适的扫描参数，以获取对乳腺及病灶特征诊断最有利的断层扫描图像。

Description

乳腺断层扫描的扫描参数确定方法、装置、终端及介质

技术领域

本发明实施例涉及医学影像技术，尤其涉及一种乳腺断层扫描的扫描参数确定方法、装置、终端及介质。

背景技术

本发明实施例中公开的乳腺断层扫描技术，可以认为是数字乳腺断层摄影(Digital Breast Tomosynthesis，DBT)技术。DBT通过使用三维断层成像技术，可以克服全数字化乳腺摄影(Full-field digital mammography，FFDM)中由于组织重叠导致的乳腺诊断准确率低的问题，因此具有良好的应用前景。

现有技术中，乳腺断层扫描常采用集合曝光(Combo)模式进行扫描摄影，通过一次摄影可获得乳房的二维平片图像和断层影像。Combo模式扫描参数的确定方法通常为，首先，由阅片医师人为设定断层扫描参数，接着，拍摄乳房的二维平片，再根据之前设定的断层扫描参数进行断层扫描；或者，使用自动曝光控制(AEC)模式摄片。

现有技术的不足之处至少包括：人为设定断层扫描参数的扫描效率较低，耗费大量的人力资源；采用AEC控制仅可以调整曝光模式下的曝光剂量，而不能自动调整其他曝光参数，导致获取不到对乳腺及病灶特征诊断最有利的断层扫描图像。

发明内容

有鉴于此，本发明实施例提供了一种乳腺断层扫描的扫描参数确定方法、装置、终端及介质，用于自动选取合适的扫描参数，以获取对乳腺及病灶特征诊断最有利的断层扫描图像。

第一方面，本发明实施例提供了一种乳腺断层扫描的扫描参数确定方法，包括：

获取被压迫的乳房的厚度信息以及其二维平片；

将所述乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

根据所述乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，所述扫描参数包括扫描角度范围和扫描帧数；

根据所述扫描参数控制乳腺断层扫描。

第二方面，本发明实施例提供了一种乳腺断层扫描的扫描参数确定装置，包括：

获取模块，用于获取被压迫的乳房的厚度信息以及其二维平片；

特征提取模块，用于将所述乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

扫描参数确定模块，用于根据所述乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，所述扫描参数包括扫描角度范围和扫描帧数；

控制模块，用于根据所述扫描参数控制乳腺断层扫描。

第三方面，本发明实施例提供了一种终端，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的乳腺断层扫描的扫描参数确定方法。

第四方面，本发明实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的乳腺断层扫描的扫描参数确定方法。

本发明实施例提供的一种乳腺断层扫描的扫描参数确定方法、装置、终端及介质，其方法包括：获取被压迫的乳房的厚度信息以及其二维平片；将乳房的二维平片输入到特征提取模型，输出乳腺特征参数；根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。通过预先训练完成的特征提取模块确定乳房的二维平片对应的乳腺特征参数，然后结合乳房厚度自动选取合适的扫描参数。不仅提高了扫描效率，节省了人力资源，还提高了扫描图像质量，使扫描图像利于对乳腺及病灶特征诊断。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种乳腺断层扫描的扫描参数确定方法流程图；

图2是本发明实施例二提供的一种乳腺断层扫描的扫描参数确定方法流程图；

图3是本发明实施例三提供的一种乳腺断层扫描的扫描参数确定方法流程图；

图4是本发明实施例四提供的一种乳腺断层扫描的扫描参数确定方法流程图；

图5是本发明实施例五提供的一种乳腺断层扫描的扫描参数确定装置结构示意图；

图6是本发明实施例六提供的一种终端的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。

实施例一

图1是本发明实施例一提供的一种乳腺断层扫描的扫描参数确定方法流程图，本实施例可适用于乳腺断层扫描的情况，例如可以是使用DBT的Combo 模式进行乳腺断层扫描的情况。该方法可以由终端实现，具体可通过终端中的软件和/或硬件来实施。

参见图1，该乳腺断层扫描的扫描参数确定方法，包括如下步骤：

S110、获取被压迫的乳房的厚度信息以及其二维平片。

实施本发明实施例提供扫描参数确定方法的程序可部署于DBT系统中，也可部署于与DBT系统进行通信连接的控制终端中。

当控制方法的程序部署于DBT系统时，在进行乳房的二维平片拍摄前，需要通过乳房压迫模块对乳房进行压迫，可以通过乳房压迫模块记录被压迫的乳房的厚度信息。此外，DBT系统可以通过扫描模块扫描得到被压迫乳房的二维平片。

当控制方法的程序部署于与DBT系统进行通信连接的控制终端时，获取被压迫的乳房的厚度信息以及其二维平片，可以是发送获取请求至DBT系统，以使DBT系统响应该获取请求，从预设存储空间读取将乳房压迫模块记录的被压迫乳房的厚度信息，以及扫描模块扫描得到的被压迫乳房的二维平片，并发送至控制终端。

上述被压迫的乳房的厚度信息以及其二维平片的获取方法仅为示例性举例，其他获取方法可以应用于本发明实施例中，在此不做穷举。

S120、将乳房的二维平片输入到特征提取模型，输出乳腺特征参数。

其中，特征提取模型包括专家系统或人工智能网络模型。其中，人工智能网络模型包括机器学习模型或深度学习模型。该特征提取模型可通过预先训练得到，且可用于进行乳腺特征参数输出。

进一步的，深度学习模型为卷积神经网络模型时，包括：输入层，卷积层，池化层，全连接层和输出层；其中，卷积层包括36个卷积核，且各卷积核大小为13*13，步长为1；池化层为最大池化层。

其中，卷积层可以提取输入的乳房的二维平片的特征，具体可以是，采用 36个卷积核大小为13*13，步长为1的卷积核，可将输入的乳房的二维平片输出36张特征图像。在卷积层进行特征提取后，可将36张特征图像输入到池化层，以实现对特征图像中信息过滤和特征选择。其中，池化层采用最大池化，可以在保留特征图像中的主要特征，防止过拟合，提高模型泛化能力，同时可减少特征图像的数据量，以提高乳腺特征参数的识别速率。其中，全连接层可将池化层输出的所有局部特征，重新通过权值矩阵组装成完整的图，以实现对特征的有效分类。其中，输出层可使用逻辑函数，输出乳腺特征参数。

可选的，乳腺特征参数，包括下述至少一种：感兴趣区域的类型、形状或分布、边缘和长径。

其中，被压迫乳房的二维平片中背景以及乳房中脂肪的区域颜色较暗，其余区域颜色较亮，可以将二维平片颜色较亮的区域中除腺体之外的区域作为感兴趣区域，且感兴趣区域的类型可以包括钙化或肿块。其中，当感兴趣区域的类型为肿块时，由于其并非充满在整个乳房中，可输出感兴趣区域的形状，而不用输出感兴趣区域的分布，且感兴趣区域的形状可以是规则形状或者不规则形状；而当感兴趣区域的类型为钙化时，由于其形状基本为圆形或椭圆形，可输出感兴趣区域的分布，而不用输出感兴趣区域的形状，且感兴趣区域的分布可以是弥漫、区域或团簇。其中，当感兴趣区域的类型为肿块时，其边缘可以为清晰、模糊或毛刺；当感兴趣区域的类型为钙化时，其边缘基本为清晰的。其中，感兴趣区域的长径可以认为是，感兴趣区域距离最远的两点之间的距离值，可以用于表征感兴趣区域的大小。

S130、根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。

其中，乳房的厚度信息和乳腺特征参数(包括感兴趣区域的类型、形状或分布、边缘和长径)均为扫描参数的判断因子，这些判断因子综合起来共同影响扫描参数的选取，且在不同情况下这些判断因子的权重略有不同。例如当感兴趣区域的类型为肿块时，感兴趣区域的分布的权重较低，基本不影响扫描参数的选取；又如当感兴趣区域的类型为钙化时，感兴趣区域的边缘和形状的权重较低，基本不影响扫描参数的选取。根据上述判断因子和扫描参数的对应关系，可自动选取合适的扫描参数。其中选取较大的扫描角度范围和较多的扫描总帧数，可利于患者乳房内部层叠结构的解析；当感兴趣区域比较集中且大小较小时，例如感兴趣区域为钙化点时，选取较小的扫描角度范围和合适的扫描总帧数，可有利于钙化点的分辨。

当感兴趣区域的类型为肿块时，上述判断因子分别与扫描参数的对应关系可以是：在其他判断因子皆相同，只有感兴趣区域的形状不同的情况下，形状越不规则，选取的扫描帧数越大；在其他判断因子皆相同，只有感兴趣区域的边缘不同的情况下，边缘越模糊或者毛刺越多，选取的扫描帧数越大；在其他判断因子皆相同，只有感兴趣区域的长径不同的情况下，长径越长，选取的扫描帧数越大；在其他判断因子皆相同，只有乳房厚度不同的情况下，乳房越厚，选取的扫描帧数越大。

当感兴趣区域的类型为钙化时，上述判断因子分别与扫描参数的对应关系可以是：在其他判断因子皆相同，只有感兴趣区域的分布不同的情况下，分布越弥漫，选取的扫描帧数越大；在其他判断因子皆相同，只有感兴趣区域的长径不同的情况下，长径越长，选取的扫描帧数越大；在其他判断因子皆相同，只有乳房厚度不同的情况下，乳房越厚，选取的扫描帧数越大。

此外，扫描角度范围在一定程度上与扫描帧数呈正相关，同时扫描角度还可能会进一步受到乳房厚度和感兴趣区域的长径等因子的影响。例如在乳房厚度过大/小时，或者长径过长/短时，可能在确定扫描范围后根据实际乳房厚度或长径对扫描角度范围进行扩大或缩小调整。

示例性的，表1为感兴趣区域为肿块时，乳房的厚度信息和乳腺特征参数与乳腺断层扫描的扫描参数的对应关系。

将乳房的二维平片输入至特征提取模型之后，特征提取模型可确定二维平片中感兴趣区域的密度和长径，根据密度和长径可初步确定感兴趣区域类型和概率，如表1所示，感兴趣区域的密度相对钙化点偏低，长径较大(几毫米至几厘米)时，可初步确定感兴趣区域为肿块。当初步判断感兴趣区域类型为肿块时，特征提取模型进一步可通过感兴趣区域的形状和边缘，对感兴趣区域类型和概率进行调整，如表1所示，通过清晰的边缘和规则的形状可提高判断感兴趣区域为肿块时的概率。特征提取模型根据最终确定的感兴趣区域的类型和概率，可得出感兴趣区域为何种类型的结论，如表1所示，得出感兴趣区域类型为肿块。

当感兴趣区域类型为肿块时，可进一步根据肿块的形状、边缘和长径，以及乳房厚度等判断因子，综合起来确定扫描角度范围和扫描帧数，且判断因子的权重略有不同。如表1所示，当肿块的长径皆为＜15时，形状越不规则，其扫描角度范围和扫描帧数越大；又如表1所示，当肿块的形状皆不规则时，乳房越厚，其扫描角度范围和扫描帧数越大；再如表1所示，当乳房厚度皆为＜ 30时，肿块的长径越长，其扫描角度范围和扫描帧数越大。表1中各判断因子和扫描参数的数值仅为示例性举例，而并非限制，其数值大小可根据实际应用场景进行调整。

表1

示例性的，表2为感兴趣区域为钙化时，乳房的厚度信息和乳腺特征参数与乳腺断层扫描的扫描参数的对应关系。

将乳房的二维平片输入至特征提取模型之后，特征提取模型可确定二维平片中感兴趣区域的密度和长径，根据密度和长径可初步确定感兴趣区域类型和概率，如表2所示，感兴趣区域的密度较高，长径较小(100微米至几毫米)时，可初步确定感兴趣区域为钙化。当初步判断感兴趣区域类型为钙化时，特征提取模型进一步可通过感兴趣区域的形状和边缘，对感兴趣区域类型和概率进行调整，例如边缘越清晰，形状越为规则的圆形或卵圆形，则可提高判断感兴趣区域为钙化的概率。特征提取模型根据最终确定的感兴趣区域的类型和概率，可得出感兴趣区域为何种类型的结论，如表2所示，得出感兴趣区域类型为钙化。

当感兴趣区域类型为钙化时，可进一步根据钙化的分布和乳房厚度等判断因子，综合起来确定扫描角度范围和扫描帧数，且判断因子的权重略有不同。如表2所示，当乳房厚度皆为＜30时，钙化点弥漫相较于区域和团簇来说，其扫描帧数偏大，且扫描角度范围偏大。此外，当判断出感兴趣区域类型为钙化时，可进一步细化钙化的分类，又如表2所示，钙化在典型良性分类中可以为皮肤钙化、圆形钙化和小型，其中皮肤钙化相较于其他分类来说，其扫描角度范围较大。表2中各判断因子和扫描参数的数值仅为示例性举例，而并非限制，其数值大小可根据实际应用场景进行调整。

表2

此外，乳腺特征参数还可包括感兴趣区域的位置，可以根据感兴趣区域的位置确定扫描角度范围的设置。例如，当扫描角度范围为30°时，可进一步根据感兴趣区域的位置信息，将扫描角度范围设置为扫描基准点左侧10°，右侧 20°，与传统的将扫描角度范围设置为扫描基准点左侧15°和右侧15°相比，可使扫描图像更加有利于对乳腺及病灶特征的诊断。

根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描角度范围和扫描帧数，不仅节省了人力资源，还提高了扫描图像质量，使扫描图像利于对乳腺及病灶特征诊断。此外，选取合适的扫描帧数还可以有效避免重复扫描和无意义的多帧数扫描，在一定程度上可以避免受检者受更大剂量的辐射能。

可选的，扫描角度范围和扫描帧数为用于乳腺断层扫描的乳腺机的机器约束下的任意值。其中，当确定的扫描角度范围和扫描帧数超出用于乳腺断层扫描的乳腺机的机器约束时，可选用乳腺机的机器约束极限值作为最终的扫描角度范围和扫描帧数。

可选的，在确定乳腺断层扫描的扫描参数之后还包括，根据扫描参数控制乳腺断层扫描。当控制方法的程序部署于DBT系统时，DBT系统根据扫描参数控制乳腺断层扫描，具体地，DBT系统根据乳腺断层扫描的扫描角度范围和扫描帧数控制扫描模块进行乳腺断层扫描。当控制方法的程序部署于与DBT系统进行通信连接的控制终端时，控制终端根据扫描参数控制乳腺断层扫描，可以发送乳腺断层扫描的扫描角度范围和扫描帧数至DBT系统，以使DBT系统根据乳腺断层扫描的扫描角度范围和扫描帧数控制扫描模块进行乳腺断层扫描。

本实施例提供的乳腺断层扫描的扫描参数确定方法，获取被压迫的乳房的厚度信息以及其二维平片；将乳房的二维平片输入到特征提取模型，输出乳腺特征参数；根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。通过预先训练完成的特征提取模块确定乳房的二维平片对应的乳腺特征参数，然后结合乳房厚度，自动选取合适的扫描参数。不仅提高了扫描效率，节省了人力资源，还提高了扫描图像质量，使扫描图像利于对乳腺及病灶特征诊断，且在一定程度上可以避免受检者受更大剂量的辐射能。

实施例二

本实施例在上述实施例的基础上，对乳腺断层扫描的扫描参数确定方法进行了优化，具体是：可选的，在获取乳房的二维平片后并在输入到特征提取模型前还进行图像处理。本实施例与上述实施例具有相同的发明构思，与上述实施例相同或相应的术语解释，本实施例不再赘述。

图2是本发明实施例二提供的一种乳腺断层扫描的扫描参数确定方法流程图。参见图2，乳腺断层扫描的扫描参数确定方法，包括：

S210、获取被压迫的乳房的厚度信息以及其二维平片；

S220、对乳房的二维平片进行图像处理；

S230、将经图像处理的乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

S240、根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。

可选的，图像处理包括下述至少一种：升采样、降采样、图像分割和图像增强。

当乳房的二维平片的图像像素较低时，可以对乳房的二维平片进行升采样，即对乳房的二维平片进行插值处理，以提高二维平片的像素质量，有助于提高乳腺特征识别的准确率。当乳房的二维平片的图像像素较高时，可以对乳房的二维平片进行将采样，即对乳房的二维平片进行减少像素点数量的处理，以减小二维平片的大小，有助于提高乳腺特征识别的速率。对乳房的二维平片进行图像分割，可以是根据预设的图像分割尺寸(例如240毫米*240毫米)对二维平片进行分割，通过将各二维平片进行统一尺寸的分割实现了二维平片的归一化，可以在一定程度上提高乳腺特征识别的准确率，同时也降低了计算难度，提高了乳腺特征识别的速率。对乳房的二维平片进行图像增强，通常采用空间域算法实现不同效果的图像增强处理，以便得到利于乳腺特征自动识别的图像。

可选的，图像处理为图像增强时，进行图像处理，包括：对乳房的二维平片进行直方图均衡化处理，得到均衡化图像；将均衡化图像转化为频域图像，对频域图像中预设频点的信号进行增益，并逆转化为空间域图像；对空间域图像进行轮廓线提取处理，以及预设灰度范围的增强处理。

其中，乳房的二维平片可以理解为是空间域的图像(也可以称为是时域图像)；相应的，对乳房的二维平片进行直方图均衡化处理，也就是对乳房的二维平片在空间域进行直方图均衡化，即利用乳房的二维平片的图像直方图对对比度进行调整，可有效解决因曝光过度或曝光不足造成的二维平片的背景/前景过亮或过暗的问题，从而可更好的体现图像细节。其中，将均衡化图像转化为频域图像，例如可以通过快速傅里叶变换算法将均衡化图像转化为频域图像，相应的可以通过逆傅里叶变换，将频域图像转化为空间域图像。其中，对频域图像中预设频点的信号进行增益可使二维平片中边界更加明显。其中，对空间域图像进行轮廓线提取处理，例如可以通过高反差保留算法实现特征轮廓线的有效提取，以实现对二维平片的图像局部特征进行锐化。其中，预设灰度范围可以是钙化点、肿块、腺体、脂肪或皮肤等不同组织所分布的灰度范围，根据识别组织不同，可对空间域图像实施组织相对应的预设灰度范围的增强；且对预设灰度范围的增强处理，例如可以是取合适窗位(即灰度范围的中心点)和窗宽(即灰度范围)，对图像灰度进行截断归一化，将高于该灰度范围的图像灰度值设置为全亮，将低于该灰度范围的图像灰度值设置为全暗，以突出显示预设灰度范围的图像。

本实施例提供的乳腺断层扫描的扫描参数确定方法，在上述实施例基础上增加了对获取的乳房的二维平片的处理步骤，可在一定程度上提高特征提取模型的特征参数输出效率和准确率。此外，本实施例与上述实施例具有相同的发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例可达到与上述实施例相同的有益效果。

实施例三

本实施例在上述实施例的基础上，对特征提取模型的训练步骤进行了补充，具体是：可选的，特征提取模型的训练步骤，包括：获取样本乳房的二维平片，并对样本乳房的二维平片进行乳腺特征参数标注；将样本乳房的二维平片输入特征提取模型，并以实际输出的乳腺特征参数与标注的乳腺特征参数小于预设偏差为目标，训练特征提取模型。本实施例与上述实施例具有相同的发明构思，与上述实施例相同或相应的术语解释，本实施例不再赘述。

图3是本发明实施例三提供的一种乳腺断层扫描的扫描参数确定方法流程图。参见图3，该方法包括如下步骤：

S310、获取样本乳房的二维平片，并对样本乳房的二维平片进行乳腺特征参数标注；

S320、将样本乳房的二维平片输入特征提取模型，并以实际输出的乳腺特征参数与标注的乳腺特征参数小于第一预设偏差为目标，训练特征提取模型；

S330、获取被压迫的乳房的厚度信息以及其二维平片；

S340、将乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

S350、根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。

其中，可以在将样本乳房的二维平片输入特征提取模型之前，以及在将乳房的二维平片输入到特征提取模型之前，可以对样本乳房的二维平片和乳房的二维平片进行相同的图像处理步骤，以在一定程度上提高特征提取模型的特征参数输出效率和准确率。

在对样本乳房的二维平片进行预处理后，可以由阅片医师对样本乳房的二维平片进行乳腺特征参数进行人工手动标注。其中，通常乳房钙化点的图像能量较高，灰度值较高，呈高亮较疏松分布，边缘较光滑，直径在100微米至几毫米之间；也有少量钙化呈大杆状，线状离散分布；通常乳房肿块的图像能量相对于钙化点能量偏低，灰度值较低，边缘形态会因恶性良性不同而有所不同，恶性多呈尖锐散射状或不规则形边缘，良性多呈光滑卵圆形或圆形边缘，直径一般在几毫米至几厘米。

经手工标注乳腺特征参数后，可以将特征提取模型实际输出的乳腺特征参数与标注的乳腺特征参数进行对比，当偏差大于等于第一预设偏差时，可对特征提取模型中的权重系数进行调整，并重新输出乳腺特征参数，直至实际输出的乳腺特征参数与标注的乳腺特征参数小于第一预设偏差为止，即特征提取模型训练完毕。

本实施例提供的乳腺断层扫描的扫描参数确定方法，对上述实施例提供的特征提取模型的训练步骤进行了补充，通过训练好的特征提取模型的训练可实现乳腺特征参数的自动提取。此外，本实施例与上述实施例具有相同的发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例可达到与上述实施例相同的有益效果。

实施例四

本实施例在上述实施例的基础上，对扫描参数确定方法中确定乳腺断层扫描的扫描参数步骤进行了优化，具体是：可选的，根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，包括：将乳房的厚度信息和乳腺特征参数输入到参数确定模型，输出乳腺断层扫描的扫描参数。本实施例与上述实施例具有相同的发明构思，与上述实施例相同或相应的术语解释，本实施例不再赘述。

图4是本发明实施例四提供的一种乳腺断层扫描的扫描参数确定方法流程图。参见图4，乳腺断层扫描的扫描参数确定方法，包括：

S410、获取被压迫的乳房的厚度信息以及其二维平片；

S420、将经图像处理的乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

S430、将乳房的厚度信息和乳腺特征参数输入到参数确定模型，输出乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。

其中，参数确定模型也可以包括专家系统或人工智能网络模型。其中，人工智能网络模型包括机器学习模型或深度学习模型。该参数确定模型也可通过预先训练得到，且可用于进行乳腺特征参数输出。

其中，参数确定模型的训练步骤可以包括：获取样本乳房的厚度信息和乳腺特征参数，并人工设定对应的乳腺断层扫描的扫描参数；将样本乳房的厚度信息和乳腺特征参数输入到参数确定模型，并以实际输出的乳腺断层扫描的扫描参数与预先设定的乳腺断层扫描的扫描参数的偏差小于第二预设偏差为目标，训练参数确定模型。当实际输出的乳腺断层扫描的扫描参数与预先设定的乳腺断层扫描的扫描参数的偏差大于等于第二预设偏差时，可对参数确定模型中的权重系数进行调整，并重新输出扫描参数，直至实际输出的乳腺断层扫描的扫描参数与预先设定的乳腺断层扫描的扫描参数的偏差小于第二预设偏差为止，即参数确定模型训练完毕。

可选的，在将乳房的厚度信息和乳腺特征参数输入到参数确定模型之前，还包括：根据乳房厚度确定乳房致密特征，根据乳房致密特征对乳腺特征参数进行修正。

其中，根据乳房厚度可进行乳房致密特征的判别，例如可以是根据二维平片中乳房轮廓和乳房厚度估算出乳房大小；根据脂肪和腺体灰度值的差异，可计算出脂肪区域与腺体区域的占比，以此来识别乳房致密特征。乳房的致密特征在肿块识别和位置标定中尤为重要，当乳房为致密性乳房时，则容易出现将腺体识别为肿块，从而导致肿块的假阳性识别。因此，可根据乳房致密特征对乳腺特征参数进行修正，例如当乳房为致密性乳房时，若识别病灶为肿块，且肿块位置为乳腺位置，则可将病灶的概率适当降低。

本实施例提供的乳腺断层扫描的扫描参数确定方法，在上述实施例基础上进一步采用参数确定模型输出乳腺断层扫描的扫描参数，实现了扫描参数的自动选取。此外，本实施例与上述实施例具有相同的发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例可达到与上述实施例相同的有益效果。

实施例五

图5是本发明实施例五提供的一种乳腺断层扫描的扫描参数确定装置结构示意图，本实施例可适用于乳腺断层扫描的扫描参数确定。

参见图5，本实施例中乳腺断层扫描的扫描参数确定装置，包括：

获取模块510，用于获取被压迫的乳房的厚度信息以及其二维平片；

特征提取模块520，用于将乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

扫描参数确定模块530，用于根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。

可选的，乳腺断层扫描的扫描参数确定装置，还可以包括：

图像处理模块，用于在获取乳房的二维平片后并在输入到特征提取模型前，对乳房的二维平片进行图像处理。

可选的，图像处理包括下述至少一种：升采样、降采样、图像分割和图像增强。

可选的，图像处理为图像增强时，图像处理模块，具体用于：对乳房的二维平片进行直方图均衡化处理，得到均衡化图像；将均衡化图像转化为频域图像，对频域图像中预设频点的信号进行增益，并逆转化为空间域图像；对空间域图像进行轮廓线提取处理，以及预设灰度范围的增强处理。

可选的，乳腺断层扫描的扫描参数确定装置，还可以包括：

特征提取模型的训练模块，具体用于：获取样本乳房的二维平片，并对样本乳房的二维平片进行乳腺特征参数标注；将样本乳房的二维平片输入特征提取模型，并以实际输出的乳腺特征参数与标注的乳腺特征参数小于预设偏差为目标，训练特征提取模型。

可选的，特征提取模型包括专家系统或人工智能网络模型。

可选的，人工智能网络模型包括机器学习模型或深度学习模型。

可选的，深度学习模型为卷积神经网络模型时，包括：输入层、卷积层、池化层、全连接层和输出层；其中，卷积层包括36个卷积核，且各卷积核大小为13*13，步长为1；池化层为最大池化层。

可选的，扫描参数确定模块，具体用于：将乳房的厚度信息和乳腺特征参数输入到参数确定模型，输出乳腺断层扫描的扫描参数。

可选的，在将乳房的厚度信息和乳腺特征参数输入到参数确定模型之前，还包括：根据乳房厚度确定乳房致密特征，根据乳房致密特征对乳腺特征参数进行修正。

可选的，乳腺特征参数，包括下述至少一种：感兴趣区域的类型、形状或分布、边缘和长径。

可选的，扫描角度范围和扫描帧数为用于乳腺断层扫描的乳腺机的机器约束下的任意值。

可选的，乳腺断层扫描的扫描参数确定装置，还可以包括：

控制模块，用于根据扫描参数控制乳腺断层扫描。

本实施例提供的乳腺断层扫描的扫描参数确定装置，与上述实施例提出的乳腺断层扫描的扫描参数确定方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

实施例六

本实施例提供了一种终端，可以用于乳腺断层扫描的扫描参数确定。图6 是本发明实施例六提供的一种终端的结构示意图。参见图6，该终端包括：

一个或多个处理器610；

存储器620，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器610执行，使得一个或多个处理器 610实现如上述实施例提出的乳腺断层扫描的扫描参数确定方法。

图6中以一个处理器610为例；处理器610和存储器620可以通过总线或其他方式连接，图6中以通过总线连接为例。

存储器620作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的乳腺断层扫描的扫描参数确定方法对应的程序指令/模块。处理器610通过运行存储在存储器620中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的乳腺断层扫描的扫描参数确定方法。其中，主要可实现的方法如下：

获取被压迫的乳房的厚度信息以及其二维平片；将乳房的二维平片输入到特征提取模型，输出乳腺特征参数；根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。

存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610 远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本实施例提出的终端与上述实施例提出的乳腺断层扫描的扫描参数确定方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

实施例七

本实施例提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的乳腺断层扫描的扫描参数确定方法。其中，主要可实现的方法如下：

获取被压迫的乳房的厚度信息以及其二维平片；将乳房的二维平片输入到特征提取模型，输出乳腺特征参数；根据乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，扫描参数包括扫描角度范围和扫描帧数。

本实施例提出的存储介质与上述实施例提出的乳腺断层扫描的扫描参数确定方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器 (Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (15)

1.一种乳腺断层扫描的扫描参数确定方法，其特征在于，包括：

获取被压迫的乳房的厚度信息以及其二维平片；

将所述乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

根据所述乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，所述扫描参数包括扫描角度范围和扫描帧数。

2.根据权利要求1所述的方法，其特征在于，在获取所述乳房的二维平片后并在输入到所述特征提取模型前还进行图像处理。

3.根据权利要求2所述的方法，其特征在于，所述图像处理包括下述至少一种：升采样、降采样、图像分割和图像增强。

4.根据权利要求3所述的方法，其特征在于，所述图像处理为图像增强时，所述进行图像处理，包括：

对所述乳房的二维平片进行直方图均衡化处理，得到均衡化图像；

将所述均衡化图像转化为频域图像，对所述频域图像中预设频点的信号进行增益，并逆转化为空间域图像；

对所述空间域图像进行轮廓线提取处理，以及预设灰度范围的增强处理。

5.根据权利要求1所述的方法，其特征在于，所述特征提取模型包括专家系统或人工智能网络模型。

6.根据权利要求5所述的方法，其特征在于，所述人工智能网络模型包括机器学习模型或深度学习模型。

7.根据权利要求6所述的方法，其特征在于，所述深度学习模型为卷积神经网络模型时，包括：输入层、卷积层、池化层、全连接层和输出层；

其中，所述卷积层包括36个卷积核，且各卷积核大小为13*13，步长为1；所述池化层为最大池化层。

8.根据权利要求1所述的方法，其特征在于，所述特征提取模型的训练步骤，包括：

获取样本乳房的二维平片，并对所述样本乳房的二维平片进行乳腺特征参数标注；

将所述样本乳房的二维平片输入特征提取模型，并以实际输出的乳腺特征参数与标注的乳腺特征参数小于预设偏差为目标，训练所述特征提取模型。

9.根据权利要求1所述的方法，其特征在于，所述根据所述乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，包括：

将所述乳房的厚度信息和乳腺特征参数输入到参数确定模型，输出乳腺断层扫描的扫描参数。

10.根据权利要求9所述的方法，其特征在于，在所述将所述乳房的厚度信息和乳腺特征参数输入到参数确定模型之前，还包括：

根据所述乳房厚度确定乳房致密特征，根据所述乳房致密特征对所述乳腺特征参数进行修正。

11.根据权利要求1-10任一所述的方法，其特征在于，所述乳腺特征参数，包括下述至少一种：感兴趣区域的类型、形状或分布、边缘和长径。

12.根据权利要求1-10任一所述的方法，其特征在于，所述扫描角度范围和所述扫描帧数为用于所述乳腺断层扫描的乳腺机的机器约束下的任意值。

13.一种乳腺断层扫描的扫描参数确定装置，其特征在于，包括：

获取模块，用于获取被压迫的乳房的厚度信息以及其二维平片；

特征提取模块，用于将所述乳房的二维平片输入到特征提取模型，输出乳腺特征参数；

扫描参数确定模块，用于根据所述乳房的厚度信息和乳腺特征参数，确定乳腺断层扫描的扫描参数，所述扫描参数包括扫描角度范围和扫描帧数。

14.一种终端，其特征在于，所述终端包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一所述的乳腺断层扫描的扫描参数确定方法。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-12中任一所述的乳腺断层扫描的扫描参数确定方法。

Images