CN112545562A - 多模态多参数乳腺癌筛查系统、装置及计算机存储介质 - Google Patents
多模态多参数乳腺癌筛查系统、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN112545562A CN112545562A CN201910917840.7A CN201910917840A CN112545562A CN 112545562 A CN112545562 A CN 112545562A CN 201910917840 A CN201910917840 A CN 201910917840A CN 112545562 A CN112545562 A CN 112545562A
- Authority
- CN
- China
- Prior art keywords
- image
- breast cancer
- breast
- cancer screening
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010006187 Breast cancer Diseases 0.000 title claims abstract description 158
- 208000026310 Breast neoplasm Diseases 0.000 title claims abstract description 158
- 238000012216 screening Methods 0.000 title claims abstract description 92
- 210000000481 breast Anatomy 0.000 claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims abstract description 47
- 239000000439 tumor marker Substances 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 19
- 210000004369 blood Anatomy 0.000 claims description 28
- 239000008280 blood Substances 0.000 claims description 28
- 210000005075 mammary gland Anatomy 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 16
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 10
- 229910052750 molybdenum Inorganic materials 0.000 claims description 10
- 239000011733 molybdenum Substances 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 14
- 238000013210 evaluation model Methods 0.000 abstract description 5
- 206010028980 Neoplasm Diseases 0.000 description 8
- 230000002146 bilateral effect Effects 0.000 description 6
- 210000002966 serum Anatomy 0.000 description 6
- 102000012406 Carcinoembryonic Antigen Human genes 0.000 description 4
- 108010022366 Carcinoembryonic Antigen Proteins 0.000 description 4
- 101000623901 Homo sapiens Mucin-16 Proteins 0.000 description 4
- 102100023123 Mucin-16 Human genes 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 238000013399 early diagnosis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- INZOTETZQBPBCE-NYLDSJSYSA-N 3-sialyl lewis Chemical compound O[C@H]1[C@H](O)[C@H](O)[C@H](C)O[C@H]1O[C@H]([C@H](O)CO)[C@@H]([C@@H](NC(C)=O)C=O)O[C@H]1[C@H](O)[C@@H](O[C@]2(O[C@H]([C@H](NC(C)=O)[C@@H](O)C2)[C@H](O)[C@H](O)CO)C(O)=O)[C@@H](O)[C@@H](CO)O1 INZOTETZQBPBCE-NYLDSJSYSA-N 0.000 description 2
- 101001133056 Homo sapiens Mucin-1 Proteins 0.000 description 2
- 102100034256 Mucin-1 Human genes 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 201000007741 female breast cancer Diseases 0.000 description 1
- 201000002276 female breast carcinoma Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种多模态多参数乳腺癌筛查系统、装置及计算机可读存储介质，该多模态多参数乳腺癌筛查系统运行于多模态多参数乳腺癌筛查中，该装置连接有血液检测设备以及影像检测设备。所述多模态多参数乳腺癌筛查系统包括乳腺癌肿瘤标志物检测模块、乳腺影像采集模块、影像处理模块、多模态多参数评估模块、信息采集模块以及乳腺癌筛查报告输出模块。本发明能够自动提取乳腺检查影像中的影像表型特征参数以及乳腺癌肿瘤标志物参数并输入至多参数乳腺癌评估模型进行乳腺癌风险评估，并将乳腺癌早期筛查结果反馈给医生，使医生能够结合结果给出进一步意见与建议，使乳腺癌的早期筛查更加准确。
Description
技术领域
本发明涉及医学影像识别技术领域，尤其涉及一种多模态多参数乳腺癌筛查系统、装置及计算机可读存储介质。
背景技术
在全球绝大多数国家，乳腺癌的发病率和死亡率均居女性癌症发病和死亡的首位。2018年全球新增女性乳腺癌患者208.9万例，死亡62.7万例，分别占女性全部癌症发病和死亡的24.2%和15.0%。近年的中国肿瘤登记年报显示，我国乳腺癌发病率位居女性恶性肿瘤的第一位，且发病年龄呈年轻化趋势。对于乳腺癌而言，早期诊断那是提高存活率、改善预后的关键，提高乳腺癌的早期诊断率可以大大降低死亡率，具有非常重要的意义。常见的乳腺筛查检查方法包括X射线检查、超声检查等，但是由于被检者自身条件、医师诊断标准等各个方面的差异，乳腺癌的早期诊断率亟待提高。随着影像学、分子生物学、信息学等学科的飞速发展，科学家提出影响基因组学（Radiogenomics）的概念，希望从生物组学数据中提取基因型特征，从多模态影像数据中提取影像表型特征，通过统计学或者机器学习的方法完成基因型特征与定量表型特征的关联与融合分析，从而更好地实现对疾病的非侵入式诊断、预后预测和疗效评估。
发明内容
本发明的主要目的在于提供一种多模态多参数乳腺癌筛查系统、装置及计算机可读存储介质，旨在解决现有乳腺癌筛查效率不高以及准确度不高的问题。
为实现上述目的，本发明提供一种多模态多参数乳腺癌筛查装置，包括输入设备、输出设备、适于实现各种计算机程序指令的处理器以及适于存储多条计算机程序指令的存储器，该装置连接有血液检测设备以及影像检测设备，所述计算机程序指令由处理器加载并执行如下步骤：通过血液检测设备采集待检者的血液，并检测出乳腺癌肿瘤标志物参数；通过影像检测设备采集待检者的乳腺影像；对乳腺影像进行图像预处理；从处理后的乳腺影像提取感兴趣区域，并从感兴趣区域提取非结构化的影像表型特征；将非结构化的影像表型特征转化为结构化的影像表型特征；将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果；通过输入设备接收待检者的基本信息以及医生根据评估结果输入的初步建议；将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备输出乳腺癌筛查报告。
优选的，所述乳腺影像为乳腺钼靶影像或者乳腺超声影像。
优选的，所述影像表型特征包括左右乳腺的形状特征、形态学特征、图像纹理特征、动力学曲线特征、以及左右乳腺整体和局部不对称性的特征。
优选的，所述对乳腺影像进行图像预处理的步骤包括如下步骤：对乳腺影像进行图像降噪声、去噪声及增强处理。
优选的，所述将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果的步骤包括如下步骤：根据结构化的影像表型特征及乳腺癌肿瘤标志物参数建立多个向量机分类器；对向量机分类器的精确度和相互关系数进行计算和比较；将向量机分类器所计算的概率进行融合从而建立乳腺癌判别函数，得到评估结果。
另一方面，本发明还提供一种多模态多参数乳腺癌筛查系统，运行与计算机装置中，该计算机装置连接有血液检测设备以及影像检测设备，所述多模态多参数乳腺癌筛查系统包括：乳腺癌肿瘤标志物检测模块，用于通过血液检测设备采集待检者的血液，并检测出乳腺癌肿瘤标志物参数；乳腺影像采集模块，用于通过影像检测设备采集待检者的乳腺影像；影像处理模块，用于对乳腺影像进行图像预处理，从处理后的乳腺影像提取感兴趣区域，从感兴趣区域提取非结构化的影像表型特征，以及将非结构化的影像表型特征转化为结构化的影像表型特征；多模态多参数评估模块，用于将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果；信息采集模块，用于通过输入设备接收待检者的基本信息以及医生根据评估结果输入的初步建议；乳腺癌筛查报告输出模块，用于将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备输出乳腺癌筛查报告。
优选的，所述乳腺影像为乳腺钼靶影像或者乳腺超声影像。
优选的，所述影像处理模块还用于对乳腺影像进行图像降噪声、去噪声及增强处理。
优选的，所述影像处理模块还用于根据结构化的影像表型特征及乳腺癌肿瘤标志物参数建立多个向量机分类器，对向量机分类器的精确度和相互关系数进行计算和比较，以及将向量机分类器所计算的概率进行融合从而建立乳腺癌判别函数，得到评估结果。
再一方面，本发明还提供一种计算机可读存储介质，该计算机可读存储介质存储多条计算机程序指令，应用于计算机装置中，该计算机装置连接有装置连接有血液检测设备以及影像检测设备，所述计算机程序指令由计算机装置的处理器执行如下步骤：通过血液检测设备采集待检者的血液，并检测出乳腺癌肿瘤标志物参数；通过影像检测设备采集待检者的乳腺影像；对乳腺影像进行图像预处理；从处理后的乳腺影像提取感兴趣区域，并从感兴趣区域提取非结构化的影像表型特征；将非结构化的影像表型特征转化为结构化的影像表型特征；将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果；通过输入设备接收待检者的基本信息以及医生根据评估结果输入的初步建议；将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备输出乳腺癌筛查报告。
相较于现有技术，本发明所述多模态多参数乳腺癌筛查系统、装置及计算机可读介质，能够将乳腺影像表型特征和乳腺癌肿瘤标志物参数相结合，进一步提高临床预测精度，解决了现有乳腺癌筛查效率不高以及准确度不高的问题。本发明能够自动提取乳腺检查影像中的影像表型特征参数以及乳腺癌肿瘤标志物参数并输入至多参数乳腺癌评估模型进行乳腺癌风险评估，并将乳腺癌早期筛查结果反馈给医生，使医生能够结合结果给出进一步意见与建议，使乳腺癌的早期筛查更加准确以及效率更高。
附图说明
图1是本发明多模态多参数乳腺癌筛查装置的较佳实施例的结构方框示意图；
图2是本发明多模态多参数乳腺癌筛查方法较佳实施例的方法流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明的具体实施方式、结构、特征及其功效，详细说明如下。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1所示，图1是本发明多模态多参数乳腺癌筛查装置的较佳实施例的结构示意图。在本实施例中，所述多模态多参数乳腺癌筛查装置1包括，但不仅限于，适于存储各种计算机程序指令的存储器11、执行各种计算机程序指令的处理器12、输入设备13和输出设备14。所述存储器11、输入设备13和输出设备14均通过电连接线与所述处理器12进行电气连接，并通过数据总线与处理器12进行数据传输连接。所述处理器12能够调用存储在所述存储器11中的多模态多参数乳腺癌筛查系统10的程序代码，并执行该多模态多参数乳腺癌筛查系统10对待检者进行乳腺癌早期筛查产生乳腺癌筛查报告。所述多模态多参数乳腺癌筛查装置1可以为安装有本发明所述多模态多参数乳腺癌筛查系统10的个人计算机、笔记本电脑、服务器、工作站等计算机装置。
所述多模态多参数乳腺癌筛查装置1连接有血液检测设备2以及影像检测设备3，能够从血液检测设备2获取待检者的乳腺癌肿瘤标志物数据，以及从影像检测设备3获取待检者的乳腺影像，该乳腺影像可以是乳腺钼靶影像或者乳腺超声影像。所述血液检测设备2为现有技术中的血液采集分析仪，能够采集待检者的乳腺癌肿瘤标志物数据。所述影像检测设备3为现有技术中的X射线扫描设备或者是超声波扫描设备，X射线扫描设备能够通过X射线扫描待检者的乳房得到待检者的乳腺钼靶影像，超声波扫描设备能够通过超声波扫描待检者的乳房得到乳腺超声影像。
在本实施例中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是所述多模态多参数乳腺癌筛查装置1的内部存储单元，例如该多模态多参数乳腺癌筛查装置1的硬盘、只读存储器ROM，随机存储器RAM、电可擦写存储器EEPROM、快闪存储器FLASH或光盘等。所述存储器11在另一些实施例中也可以是多模态多参数乳腺癌筛查装置1的外部存储设备，例如该多模态多参数乳腺癌筛查装置1上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括多模态多参数乳腺癌筛查装置1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于多模态多参数乳腺癌筛查装置1的应用软件及各类数据，例如存储多模态多参数乳腺癌筛查系统10的程序代码等，还可以用于暂时地存储已经输出或者将要输出的数据，例如待检者的基本信息、乳腺检查影像、乳腺癌肿瘤标志物的血液指标数据、以及乳腺癌筛查报告等。
在本实施例中，所述处理器12在一些实施例中可以是一中央处理器（CentralProcessing Unit，CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于调用并运行存储器11中存储的程序代码或处理数据，例如执行多模态多参数乳腺癌筛查系统10的程序代码。所述输入设备13可以为键盘、鼠标、触摸显示屏等输入装置，能够输入待检者的基本信息、乳腺检查影像以及乳腺癌肿瘤标志物的血液指标数据。所述输出设备14可以为显示器或打印机等输出装置，能够输出乳腺癌筛查报告。
所述多模态多参数乳腺癌筛查系统10可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器（本实施例为处理器12）所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述本发明所述多模态多参数乳腺癌筛查系统10在所述多模态多参数乳腺癌筛查装置1中的执行过程。
在本实施例中，所述多模态多参数乳腺癌筛查系统10由多条计算机程序指令组成的程序模块组成，包括但不局限于，乳腺癌肿瘤标志物检测模块101、乳腺影像采集模块102、影像处理模块103、多模态多参数评估模块104、信息采集模块105以及乳腺癌筛查报告输出模块106。本发明所称的模块是指一种能够被所述多模态多参数乳腺癌筛查装置1的处理器12执行并且能够完成固定功能的一系列计算机程序指令段，其存储在所述多模态多参数乳腺癌筛查装置1的存储器11中。
所述乳腺癌肿瘤标志物检测模块101用于通过血液检测设备2采集待检者的血液指标数据，以及检测出乳腺癌肿瘤标志物参数。常见的乳腺癌肿瘤标志物包括：血清癌抗原15-3(CA15-3)、癌胚抗原(CEA)、血清癌抗原125(CA125)以及血清癌抗原19-9(CA19-9)等。
所述乳腺影像采集模块102用于通过影像检测设备3采集待检者的乳腺影像。在本实施例中，所述乳腺影像可以为通过X射线扫描待检者的乳房得到乳腺钼靶影像、或者通过超声波扫描待检者的乳房得到乳腺超声影像。
所述影像处理模块103用于对乳腺影像进行图像预处理，包括对乳腺钼靶影像或乳腺超声影像进行图像降噪声、去噪声及增强处理。
所述影像处理模块103还用于从处理后的乳腺影像提取感兴趣区域，从感兴趣区域提取非结构化的影像表型特征，并将非结构化的影像表型特征为结构化的影像表型特征。在本实施例中，通过影像处理模块103对乳腺影像进行分割以获取感兴趣区域，并在感兴趣区域内提取有效非结构化的影像表型特征。所述影像表型特征包括但不局限于形状特征（例如圆形度或球形度）、形态学特征（例如边缘梯度、边缘锐利度）、图像纹理特征、动力学曲线特征（例如方差、差分方差、异质性、对比度），以及左右乳腺整体和局部不对称性的特征，包括但不限于双侧乳腺的空间对照特征（例如图像的灰度分布特性）、双侧乳腺的形态学对照特征（例如圆形度、半径长度的归一化方差、边界不规则系数）、双侧乳腺的图像纹理对照特征（例如毛刺数目、毛刺平均长度）。所述影像处理模块103还将有效的非结构化的影像表型特征转化为结构化的影像表型特征，该结构化影像表型特征可被乳腺癌评估模型识别。
所述多模态多参数评估模块104用于将结构化影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中，并产生评估结果。具体地，所述多模态多参数评估模块104根据不同的结构化影像表型特征与乳腺癌肿瘤标志物参数，建立向量机分类器（SVM）算法模型，对SVM分类器的精确度和相互关系数进行计算和比较，再将不同SVM分类器所计算的概率进行融合从而建立乳腺癌判别函数，得到评估结果。在本实施例中，所述多模态多参数融合特征模型是一种利用多模态多参数的乳腺癌评估模型，所述多模态主要体现在多种影像表型特征的结合；所述多参数体现在影像表型特征和乳腺肿瘤标志物参数的融合，使乳腺癌评估模型更加多维度，使评估结果更加准确。
所述信息采集模块105用于通过输入设备13接收待检者的基本信息以及医生根据评估结果输入的初步建议。所述待检者的基本信息包括待检者的姓名、年龄、身份证号等信息，此外，医生可以通过输入设备13输入根据待检者的评估结果给出待检者的初步建议，包括乳腺癌患病风险相关信息、康复保健建议等。
所述乳腺癌筛查报告输出模块106用于将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备14输出乳腺癌筛查报告。在本实施例中，乳腺癌筛查报告输出模块106将待检者的待检者的姓名、年龄、身份证号与评估结果、初步建议进行关联，形成一份待检者的乳腺癌筛查报告，并将该报告通过输出设备14输出至打印机或者显示屏上显示，以供待检者了解自己的乳腺癌筛查结果和医生建议。
参考图2所示，是本发明多模态多参数乳腺癌筛查方法较佳实施例的流程图。在本实施例中，所述多模态多参数乳腺癌筛查方法的各种方法步骤通过计算机软件程序来实现，该计算机软件程序以计算机程序指令的形式存储于计算机可读存储介质（例如本实施例的存储器11）中，计算机可读存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等，所述计算机程序指令能够被处理器（例如本实施例的处理器12）加载并执行如下步骤：
步骤S21，通过血液检测设备2采集待检者的血液，并检测出乳腺癌肿瘤标志物参数。常见的乳腺癌肿瘤标志物包括：血清癌抗原15-3(CA15-3)、癌胚抗原(CEA)、血清癌抗原125(CA125)以及血清癌抗原19-9(CA19-9)等。
步骤S22，通过影像检测设备3采集待检者的乳腺影像。在本实施例中，所述乳腺影像可以为通过X射线扫描待检者的乳房得到乳腺钼靶影像、或者通过超声波扫描待检者的乳房得到乳腺超声影像。
步骤S23，对乳腺影像进行图像预处理，包括对钼靶图像或超声图像进行图像降噪声、去噪声及增强处理。
步骤S24，从处理后的乳腺影像提取感兴趣区域，并从感兴趣区域的提取非结构化的影像表型特征。在本实施例中，对乳腺影像进行分割以获取感兴趣区域，并在感兴趣区域内提取有效非结构化的影像表型特征。所述影像表型特征包括但不局限于形状特征（例如圆形度或球形度）、形态学特征（例如边缘梯度、边缘锐利度）、图像纹理特征、动力学曲线特征（例如方差、差分方差、异质性、对比度），以及左右乳腺整体和局部不对称性的特征，包括但不限于双侧乳腺的空间对照特征（例如图像的灰度分布特性）、双侧乳腺的形态学对照特征（例如圆形度、半径长度的归一化方差、边界不规则系数）、双侧乳腺的图像纹理对照特征（例如毛刺数目、毛刺平均长度）。
步骤S25，将非结构化的影像表型特征转化为结构化的影像表型特征。在本实施例中，将非结构化的影像表型特征转化为结构化的影像表型特征，该结构化影像表型特征可被多模态多参数融合特征模型识别。
步骤S26，将结构化影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中，并产生评估结果。具体地，根据不同的结构化影像表型特征与乳腺癌肿瘤标志物参数，建立向量机分类器（SVM）算法模型。具体的，对SVM分类器的精确度和相互关系数进行计算和比较，再将不同SVM分类器所计算的概率进行融合从而建立乳腺癌判别函数，得到评估结果。在本实施例中，所述多模态多参数融合特征模型是一种利用多模态多参数的乳腺癌评估模型，所述多模态主要体现在多种影像表型特征的结合；所述多参数体现在影像表型特征和乳腺肿瘤标志物参数的融合，使乳腺癌评估模型更加多维度，使评估结果更加准确。
步骤S27，通过输入设备13接收待检者的基本信息以及医生根据评估结果输入的初步建议。所述待检者的基本信息包括待检者的姓名、年龄、身份证号等信息。此外，医生可以通过输入设备13输入根据待检者的评估结果给出待检者的初步建议，包括乳腺癌患病风险相关信息、康复保健建议等。
步骤S28，将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备14输出乳腺癌筛查报告。在本实施例中，将待检者的待检者的姓名、年龄、身份证号与评估结果、初步建议进行关联，形成一份待检者的乳腺癌筛查报告，并将该报告通过输出设备14输出至打印机或者显示屏上显示，以供待检者了解自己的乳腺癌筛查结果和医生建议。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质存储多条计算机程序指令，所述计算机程序指令由计算机装置的处理器加载并执行本发明所述多模态多参数乳腺癌筛查方法的各个步骤。本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过相关程序指令完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。
本发明所述本发明所述多模态多参数乳腺癌筛查系统、装置及计算机可读介质，能够将乳腺影像表型特征和乳腺癌肿瘤标志物参数相结合，进一步提高临床预测精度，解决了现有乳腺癌筛查效率不高以及准确度不高的问题。本发明能够自动提取乳腺检查影像中的影像表型特征参数以及乳腺癌肿瘤标志物参数并输入至多参数乳腺癌评估模型进行乳腺癌风险评估，并将乳腺癌早期筛查结果反馈给医生，使医生能够结合结果给出进一步意见与建议，使乳腺癌的早期筛查更加准确以及效率更高。
以上仅为本发明的较佳实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种多模态多参数乳腺癌筛查装置，包括输入设备、输出设备、适于实现各种计算机程序指令的处理器以及适于存储多条计算机程序指令的存储器，其特征在于，该装置连接有血液检测设备以及影像检测设备，所述计算机程序指令由处理器加载并执行如下步骤：
通过血液检测设备采集待检者的血液，并检测出乳腺癌肿瘤标志物参数；
通过影像检测设备采集待检者的乳腺影像；
对乳腺影像进行图像预处理；
从处理后的乳腺影像提取感兴趣区域，并从感兴趣区域提取非结构化的影像表型特征；
将非结构化的影像表型特征转化为结构化的影像表型特征；
将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果；
通过输入设备接收待检者的基本信息以及医生根据评估结果输入的初步建议；
将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备输出乳腺癌筛查报告。
2.如权利要求1所述的多模态多参数乳腺癌筛查装置，其特征在于，所述乳腺影像为乳腺钼靶影像或者乳腺超声影像。
3.如权利要求1所述的多模态多参数乳腺癌筛查装置，其特征在于，所述影像表型特征包括左右乳腺的形状特征、形态学特征、图像纹理特征、动力学曲线特征、以及左右乳腺整体和局部不对称性的特征。
4.如权利要求1所述的多模态多参数乳腺癌筛查装置，其特征在于，所述对乳腺影像进行图像预处理的步骤包括如下步骤：对乳腺影像进行图像降噪声、去噪声及增强处理。
5.如权利要求1所述的多模态多参数乳腺癌筛查装置，其特征在于，所述将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果的步骤包括如下步骤：
根据结构化的影像表型特征及乳腺癌肿瘤标志物参数建立多个向量机分类器；
对向量机分类器的精确度和相互关系数进行计算和比较；
将向量机分类器所计算的概率进行融合从而建立乳腺癌判别函数，得到评估结果。
6.一种多模态多参数乳腺癌筛查系统，运行与计算机装置中，该计算机装置连接有血液检测设备以及影像检测设备，其特征在于，所述多模态多参数乳腺癌筛查系统包括：
乳腺癌肿瘤标志物检测模块，用于通过血液检测设备采集待检者的血液，以及检测出乳腺癌肿瘤标志物参数；
乳腺影像采集模块，用于通过影像检测设备采集待检者的乳腺影像；
影像处理模块，用于对乳腺影像进行图像预处理，从处理后的乳腺影像提取感兴趣区域，从感兴趣区域提取非结构化的影像表型特征，以及将非结构化的影像表型特征转化为结构化的影像表型特征；
多模态多参数评估模块，用于将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果；
信息采集模块，用于通过输入设备接收待检者的基本信息以及医生根据评估结果输入的初步建议；
乳腺癌筛查报告输出模块，用于将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备输出乳腺癌筛查报告。
7.如权利要求6所述的多模态多参数乳腺癌筛查系统，其特征在于，所述乳腺影像为乳腺钼靶影像或者乳腺超声影像。
8.如权利要求6所述的多模态多参数乳腺癌筛查系统，其特征在于，所影像处理模块还用于对乳腺影像进行图像降噪声、去噪声及增强处理。
9.如权利要求6所述的多模态多参数乳腺癌筛查系统，其特征在于，所述影像处理模块还用于根据结构化的影像表型特征及乳腺癌肿瘤标志物参数建立多个向量机分类器，对向量机分类器的精确度和相互关系数进行计算和比较，以及将向量机分类器所计算的概率进行融合从而建立乳腺癌判别函数，得到评估结果。
10.一种计算机可读存储介质，该计算机可读存储介质存储多条计算机程序指令，应用于计算机装置中，该计算机装置连接有装置连接有血液检测设备以及影像检测设备，其特征在于，所述计算机程序指令由计算机装置的处理器执行如下步骤：
通过血液检测设备采集待检者的血液，并检测出乳腺癌肿瘤标志物参数；
通过影像检测设备采集待检者的乳腺影像；
对乳腺影像进行图像预处理；
从处理后的乳腺影像提取感兴趣区域，并从感兴趣区域提取非结构化的影像表型特征；
将非结构化的影像表型特征转化为结构化的影像表型特征；
将结构化的影像表型特征及乳腺癌肿瘤标志物参数输入至多模态多参数融合特征模型中以产生评估结果；
通过输入设备接收待检者的基本信息以及医生根据评估结果输入的初步建议；
将待检者的基本信息与评估结果、初步建议进行关联以形成乳腺癌筛查报告，并通过输出设备输出乳腺癌筛查报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910917840.7A CN112545562A (zh) | 2019-09-26 | 2019-09-26 | 多模态多参数乳腺癌筛查系统、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910917840.7A CN112545562A (zh) | 2019-09-26 | 2019-09-26 | 多模态多参数乳腺癌筛查系统、装置及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112545562A true CN112545562A (zh) | 2021-03-26 |
Family
ID=75029781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910917840.7A Pending CN112545562A (zh) | 2019-09-26 | 2019-09-26 | 多模态多参数乳腺癌筛查系统、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112545562A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113066553A (zh) * | 2021-03-31 | 2021-07-02 | 南阳市第二人民医院 | 一种乳腺癌易感基因筛查方法 |
| CN113712597A (zh) * | 2021-11-02 | 2021-11-30 | 深圳迈瑞动物医疗科技有限公司 | 一种马跟腱的检查方法和超声成像设备 |
| CN115082437A (zh) * | 2022-07-22 | 2022-09-20 | 浙江省肿瘤医院 | 基于舌象图像和肿瘤标志物的肿瘤预测系统、方法及应用 |
| WO2023078269A1 (zh) * | 2021-11-02 | 2023-05-11 | 深圳迈瑞动物医疗科技股份有限公司 | 一种跟腱的检查方法和超声成像设备 |
-
2019
- 2019-09-26 CN CN201910917840.7A patent/CN112545562A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113066553A (zh) * | 2021-03-31 | 2021-07-02 | 南阳市第二人民医院 | 一种乳腺癌易感基因筛查方法 |
| CN113712597A (zh) * | 2021-11-02 | 2021-11-30 | 深圳迈瑞动物医疗科技有限公司 | 一种马跟腱的检查方法和超声成像设备 |
| WO2023078269A1 (zh) * | 2021-11-02 | 2023-05-11 | 深圳迈瑞动物医疗科技股份有限公司 | 一种跟腱的检查方法和超声成像设备 |
| CN115082437A (zh) * | 2022-07-22 | 2022-09-20 | 浙江省肿瘤医院 | 基于舌象图像和肿瘤标志物的肿瘤预测系统、方法及应用 |
| WO2024016989A1 (zh) * | 2022-07-22 | 2024-01-25 | 浙江省肿瘤医院 | 基于舌象图像和肿瘤标志物的肿瘤预测系统、方法及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zebari et al. | Improved threshold based and trainable fully automated segmentation for breast cancer boundary and pectoral muscle in mammogram images | |
| Agarwal et al. | Deep learning for mass detection in full field digital mammograms | |
| CN107748900B (zh) | 基于区分性卷积神经网络的乳腺肿瘤分类装置和存储介质 | |
| CN112545562A (zh) | 多模态多参数乳腺癌筛查系统、装置及计算机存储介质 | |
| CN111028206A (zh) | 一种基于深度学习前列腺癌自动检测和分类系统 | |
| Jebarani et al. | A novel hybrid K-means and GMM machine learning model for breast cancer detection | |
| CN111553892B (zh) | 基于深度学习的肺结节分割计算方法、装置及系统 | |
| Chowdhary et al. | Breast cancer detection using intuitionistic fuzzy histogram hyperbolization and possibilitic fuzzy c-mean clustering algorithms with texture feature based classification on mammography images | |
| Borchartt et al. | Thermal feature analysis to aid on breast disease diagnosis | |
| US9014447B2 (en) | System and method for detection of lesions in three-dimensional digital medical image | |
| Hussein et al. | Fully automatic segmentation of gynaecological abnormality using a new viola–jones model | |
| WO2022110525A1 (zh) | 一种癌变区域综合检测装置及方法 | |
| US20180053297A1 (en) | Methods and Apparatuses for Detection of Abnormalities in Low-Contrast Images | |
| Kaur et al. | Computer-aided diagnosis of renal lesions in CT images: a comprehensive survey and future prospects | |
| Lee et al. | Detecting mammographically occult cancer in women with dense breasts using deep convolutional neural network and Radon Cumulative Distribution Transform | |
| Wei et al. | Multi-feature fusion for ultrasound breast image classification of benign and malignant | |
| Naz et al. | An Efficient Optimization System for Early Breast Cancer Diagnosis based on Internet of Medical Things and Deep Learning | |
| Luo et al. | Automatic quality assessment for 2D fetal sonographic standard plane based on multi-task learning | |
| Hsieh et al. | Stage classification in chronic kidney disease by ultrasound image | |
| Ahmad et al. | Brain tumor detection & features extraction from MR images using segmentation, image optimization & classification techniques | |
| KR102620046B1 (ko) | 약지도 딥러닝 인공 지능을 이용한 유방 초음파 진단 방법 및 시스템 | |
| Alagarsamy et al. | A Deep Learning Based Glioma Tumour Detection Using Efficient Visual Geometry Group Convolutional Neural Networks Architecture | |
| Abdulwahhab et al. | A review on medical image applications based on deep learning techniques | |
| Bhushan | Liver cancer detection using hybrid approach-based convolutional neural network (HABCNN) | |
| Akram et al. | Recognizing Breast Cancer Using Edge-Weighted Texture Features of Histopathology Images. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210326 |
|
| WD01 | Invention patent application deemed withdrawn after publication |