(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210350880.X (22)申请日 2022.04.02 (65)同一申请的已公布的文献号 申请公布号 CN 114842239 A (43)申请公布日 2022.08.02 (73)专利权人 北京医准智能科技有限公司 地址 100083 北京市海淀区知春路7号 致真 大厦A座12层1202-120 3号 (72)发明人 马璐　丁佳　吕晨翀　 (74)专利代理 机构 北京乐知新创知识产权代理 事务所(普通 合伙) 11734 专利代理师 王曌寅 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/40(2022.01) G06V 10/74(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06T 7/00(2017.01) G16H 50/20(2018.01) (56)对比文件 CN 10457432 9 A,2015.04.2 9 CN 101398 854 A,20 09.04.01 CN 110584714 A,2019.12.20 CN 113255756 A,2021.08.13 CN 110288653 A,2019.09.27 CN 112203122 A,2021.01.08 Georgios Pilikos et al.De ep Learn ing for Multi-View Ultraso nic Image Fusion. 《arXiv》 .2021, Zhiyu Fang et al.An Ultrasound Ima ge Fusion Method for Stereoscopic Laparoscopic Augmented Real ity. 《Proceedings of The 2019 IE EE Internati onal Conference o n Real-time Computing and Robotics》 .2019, 审查员 闫文凤 (54)发明名称 一种基于超声视频的乳腺病灶属性预测方 法及装置 (57)摘要 本公开提供了一种基于超声视频的乳腺病 灶属性预测方法及装置， 包括获取乳腺的多个超 声视频和多张图片， 以及各自对应的属性信息； 根据超声视频的属性信息和图片的属性信息， 计 算超声视频和图片的相似度， 选取相似度最强的 多组超声视频和图片； 针对选取的每组超声视频 和图片， 将该组中的图片与超声视频进行融合， 得到相应的融合超声视频； 构建样本集， 样本集 包括所有融合超声视频， 根据样 本集对初始模型 进行训练， 得到预测模型； 获取目标超声视频， 通 过预测模型对 所目标超声视频进行预测， 确定目 标超声视频对应的乳腺病灶的属性。 权利要求书2页 说明书10页 附图2页 CN 114842239 B 2022.12.23 CN 114842239 B 1.一种基于超声视频的乳腺病灶属性预测方法， 其特 征在于， 包括： 获取乳腺的多个超声视频和多张图片， 以及各自对应的属性信息， 所述属性信息包括 描述病灶属 性级别的分级标准数据、 描述病灶形状的形状数据、 用于描述病灶生长是否平 行的方向数据和用于描述病灶边 缘是否清晰的边 缘数据； 根据所述超声视频的属性信 息和所述图片的属性信 息， 确定所述超声视频和所述图片 的每种属 性信息的相似度， 将所有属 性信息的相似度相加， 得到所述超声视频和所述图片 的相似度， 选取相似度最强的多组超声视频和图片； 针对选取的每组超声视频和图片， 将该组中的图片与超声视频进行融合， 得到相应的 融合超声视频； 构建样本集， 所述样本集包括所有融合超声视频， 根据所述样本集对初始模型进行训 练， 得到预测模型； 获取目标超声视频， 通过所述预测模型对所述目标超声视频进行预测， 确定目标超声 视频对应的乳腺病灶的属性。 2.根据权利要求1所述的基于超声视频的乳腺病灶属性预测方法， 其特征在于， 所述选 取相似度最强的多组超声视频和图片， 包括： 基于所述获取的乳腺的多个超声视频和多张图片， 创建与所述超声视频对应的超声视 频节点以及与所述图片对应的图片节点， 并建立每个超声视频节点与每个图片节点之 间的 边， 得到二分图； 其中， 每 个边的权 重指示该 条边所接连的超声视频和图片之间的相似度； 基于每条边的权重， 从所述二分图的所有边中筛选出多条侯选边； 每条侯选边所连接 的超声视频节点和图片节点互不重合； 按照侯选边的权重从大到小的顺序选取设定数量的候选边作为匹配边， 每条匹配边连 接一组超声视频和图片， 获取所有匹配边所连接的超声视频和图片作为所述相似度最强的 多组超声视频和图片。 3.根据权利要求2所述的基于超声视频的乳腺病灶属性预测方法， 其特征在于， 所述基 于每条边的权 重， 从所述 二分图的所有边中筛 选出多条侯选边， 包括： 构建所述二分图的第一有向图， 所述第一有向图中所有边的起点均为超声视频节点， 终点均为图片节点， 或者， 所有边的起 点均为图片节点， 终点均为超声视频节点； 在所述第一有向图上增加源点和汇点， 所述源点分别与每个起点连接并指向所有起 点， 所述汇点分别与每个终点连接并指向汇点， 得到第二有向图； 所述第二有向图中所述源 点和所述起点之间的边的权重为第一设定值， 所述终点和所述汇点之 间的边的权重为第二 设定值； 计算所述第 二有向图中每条路径的权重， 所述路径为从所述源点到所述汇点之间的路 径； 按照路径权 重从大到小的顺序选取设定数量的多条路径； 将选取的路径中的所有超声视频节点和图片节点之间的边， 作为侯选边。 4.根据权利要求1所述的基于超声视频的乳腺病灶属性预测方法， 其特征在于， 所述将 该组中的图片与超声视频进行融合， 包括： 获取超声视频的每一帧图像， 将图片分别与所述每一帧图像进行图像融合。 5.一种基于超声视频的乳腺病灶属性预测装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114842239 B 2获取模块， 用于获取乳腺的多个超声视频和多张图片， 以及各自对应的属性信 息， 所述 属性信息包括描述病灶属 性级别的分级标准数据、 描述病灶形状的形状数据、 用于描述病 灶生长是否平行的方向数据和用于描述病灶边 缘是否清晰的边 缘数据； 计算模块， 用于根据所述超声视频的属性信息和所述图片的属性信息， 确定所述超声 视频和所述图片的每种属 性信息的相似度， 将所有属 性信息的相似度相加， 得到所述超声 视频和所述图片的相似度， 选取相似度最强的多组超声视频和图片； 所述计算模块， 还用于针对选取的每组超声视频和图片， 将该组中的图片与超声视频 进行融合， 得到相应的融合超声视频； 处理模块， 用于构建样本集， 所述样本集包括所有融合超声视频， 根据 所述样本集对初 始模型进行训练， 得到预测模型； 预测模块， 用于获取目标超声视频， 通过所述预测模型对所述目标超声视频进行预测， 确定目标超声视频对应的乳腺病灶的属性。 6.根据权利要求5所述的基于超声视频的乳腺病灶属性预测装置， 其特征在于， 所述选 取相似度最强的多组超声视频和图片时， 所述计算模块， 还用于基于所述获取 的乳腺的多 个超声视频和多张图片， 创建与所述超声视频对应的超声视频节点以及与所述图片对应的 图片节点， 并建立每个超声视频节点与每个图片节点之间的边， 得到二分图； 其中， 每个边 的权重指示该 条边所接连的超声视频和图片之间的相似度； 基于每条边的权重， 从所述二分图的所有边中筛选出多条侯选边； 每条侯选边所连接 的超声视频节点和图片节点互不重合； 按照侯选边的权重从大到小的顺序选取设定数量的候选边作为匹配边， 每条匹配边连 接一组超声视频和图片， 获取所有匹配边所连接的超声视频和图片作为所述相似度最强的 多组超声视频和图片。 7.一种电子设备， 其特征在于， 包括： 存储器和 处理器， 所述存储器存储由所述处理器 可执行的计算机程序， 所述处理器执行所述计算机程序时实现上述权利要求1 ‑4任一项所 述的基于超声视频的乳腺病灶属性预测方法。 8.一种存储介质， 其特征在于， 所述存储介质上存储有计算机程序， 所述计算机程序被 读取并执行时， 实现上述权利要求1 ‑4任一项所述的基于超声视频的乳腺病灶属性预测方 法。权　利　要　求　书 2/2 页 3 CN 114842239 B 3