(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210363803.8 (22)申请日 2022.04.07 (71)申请人 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 王雅倩　王子腾　邹明甫　李新娟　 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 陈婷婷 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种针对乳 腺X线图像整体性质量异常的检 测方法及装置 (57)摘要 本发明公开了一种针对乳 腺X线图像整体性 质量异常的检测方法及装置， 该方法将第一异常 乳腺X线图像数据和正常乳腺X线图像数据组成 第一训练样本数据； 并将第二异常乳腺X线 图像 数据和正常乳腺X线图像数据组成第二训练样本 数据； 之后针对第一训练样本和第二训练样本： 分别对第一训练样本和第二训练样本进行特征 提取， 得到对应第一特征图和对应第二特征图； 最后对第一特征图和第二特征图分别施加对应 权重， 并将施加权重后的第一特征图和第二特征 图特征融合， 得到融合特征图； 对多个融合特征 图有监督 分类训练， 得到异常检测模型。 由此， 能 够对乳腺X线图像整体性质量异常进行准确检 测， 从而减少了由于人为拍摄质量差对后续医生 诊断造成的干 扰。 权利要求书3页 说明书13页 附图7页 CN 114881929 A 2022.08.09 CN 114881929 A 1.一种针对乳腺X线图像整体性质量异常的检测方法， 其特 征在于， 包括： 将第一异常乳腺X线图像数据和正常乳腺X线图像数据组成第一训练样本数据； 其中第 一异常乳腺X线图像数据是基于异常乳腺X线图像数据对应异常种类的原有分布进行均匀 采样得到的； 将第二异常乳腺X线图像数据和正常乳腺X线图像数据组成第二训练样本数据； 其中， 第二异常乳腺X线图像数据是基于异常乳腺X线图像数据对应异常种类的原有分布进行倒 置采样得到的； 第一异常乳腺X线图像数据和第二异常乳腺X线图像数据中每个异常乳腺X 线图像均携带有对应的异常种类标签， 正常乳腺X线图像数据携带有正常种类标签； 针对所述第一训练样本数据中任一第一训练样本和所述第二训练样本数据中任一第 二训练样本： 分别对所述第一训练样本和所述第二训练样本进行特征提取， 得到对应的第 一特征图和对应的第二特 征图； 对所述第一特征图和所述第 二特征图分别施加对应的权重， 并将施加权重后的第 一特 征图和第二特 征图进行 特征融合， 得到融合特 征图； 对多个融合特 征图进行有监 督的分类训练， 得到异常检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述分别对所述第 一训练样本和所述第 二 训练样本进行 特征提取， 得到对应的第一特 征图和对应的第二特 征图， 包括： 利用共享残差网络对所述第一训练样本进行 特征提取， 得到对应的第一特 征图； 利用共享残差网络对所述第二训练样本进行 特征提取， 得到对应的第二特 征图。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述第 一特征图和所述第 二特征图 分别施加对应的权重， 并将施加权重后的第一特征图和第二特征图进行特征融合， 得到融 合特征图； 包括： 利用第一输出层对所述第一特 征图进行 特征提取， 得到第一输出 特征图； 利用第二输出层对所述第二特 征图进行 特征提取， 得到第二输出 特征图； 基于适配 器分别对所述第一输出 特征图和所述第二输出 特征图施加不同权 重； 将施加权重后的第 一输出特征图和施加权重后的第 二输出特征图进行特征融合， 得到 融合特征图。 4.根据权利要求2所述的方法， 其特征在于， 所述利用共享残差网络对所述第 一训练样 本进行特征提取， 得到对应的第一特 征图， 包括： 利用输入层对所述第一训练样本进行 特征提取， 得到第一输入特 征图； 将所述第一输入特征图依次经过多个残差网络层进行特征提取， 得到第一特征图； 其 中， 所述残差网络层依次包括降采样层和多个连续的聚合残差瓶颈结构。 5.根据权利要求1所述的方法， 其特 征在于， 还 包括： 获取原始异常乳腺X线图像数据和原 始正常乳腺X线图像数据； 分别对所述原始异常乳腺X线图像数据和所述原始正常乳腺X线图像数据进行体位识 别处理， 得到体位正确的原始异常乳腺X线图像数据和体位正确的原始 正常乳腺X线图像数 据； 对所述体位正确 的原始异常乳腺X线图像数据进行预处理， 得到异常乳腺X线图像数 据； 对所述体位正确 的原始正常乳腺X线图像数据进行预处理， 得到正常乳腺X线图像数权　利　要　求　书 1/3 页 2 CN 114881929 A 2据。 6.根据权利要求5所述的方法， 其特征在于， 所述对所述体位正确的原始异常乳腺X线 图像数据进行 预处理， 得到异常乳腺X线图像数据， 包括： 对所述体位正确的原始异常乳腺X线图像数据进行标准化处理， 得到若干标准化异常 乳腺X线图像； 其中， 若干标准 化异常乳腺X线图像具有相同像素分布以及像素值范围； 将针对任一标准化异常乳腺X线图像： 移除所述标准化异常乳腺X线图像中文字信息， 得到去除文字信息后的图像； 将所述去除文字信息后的图像进 行缩小处理， 得到异常乳腺X 线图像； 基于若干标准 化异常乳腺X线图像， 得到异常乳腺X线图像数据。 7.根据权利要求5所述的方法， 其特征在于， 所述对所述体位正确的原始正常乳腺X线 图像数据进行 预处理， 得到正常乳腺X线图像数据， 包括： 对所述体位正确的原始正常乳腺X线图像数据进行标准化处理， 得到若干标准化正常 乳腺X线图像； 其中， 若干标准 化正常乳腺X线图像具有相同像素分布以及像素值范围； 将针对任一标准化正常乳腺X线图像： 移除所述标准化正常乳腺X线图像中文字信息， 得到去除文字信息后的图像； 将所述去除文字信息后的图像进 行缩小处理， 得到正常乳腺X 线图像； 基于若干标准 化正常乳腺X线图像， 得到正常乳腺X线图像数据。 8.根据权利要求5所述的方法， 其特征在于， 所述分别对所述原始异常乳腺X线图像数 据和所述原始正常乳腺X线图像数据进 行体位识别处理， 得到体位正确的原始异常乳 腺X线 图像数据和体位 正确的原 始正常乳腺X线图像数据， 包括： 将具有左乳头尾位标签的乳腺X线图像作为第三训练样本、 将具有左乳内外斜位标签 的乳腺X线图像作为第四训练样本、 将具有右乳头尾位标签的乳腺X线图像作为第五训练样 本、 将具有右乳内外斜 位标签的乳腺X线图像作为第六训练样本； 分别对所述第三训练样本、 所述第 四训练样本、 所述第五训练样本和所述第六训练样 本进行预处理； 基于预处理后的第三训练样本、 第四训练样本、 第五训练样本和第六训练样本， 进行有 监督的分类训练， 得到体位识别模型； 针对原始异常乳腺X线图像数据中任一原始异常乳腺X线图像： 利用体位识别模型对所 述原始异常乳 腺X线图像进行体位识别处理， 得到不同分类结果； 将所述不同分类结果中概 率最大的分类结果作为体位 正确的原 始异常乳腺X线图像； 针对原始正常乳腺X线图像数据中任一原始正常乳腺X线图像： 利用体位识别模型对所 述原始正常乳腺X线图像进行体位识别处理， 得到不同分类结果； 将所述不同分类结果中概 率最大的分类结果作为体位 正确的原 始正常乳腺X线图像。 9.一种针对乳腺X线图像整体性质量异常的检测装置， 其特 征在于， 包括： 第一训练样本模块， 用于将第 一异常乳腺X线图像数据和正常乳腺X线图像数据组成第 一训练样本数据； 其中， 第一异常乳腺X线图像数据是基于异常乳腺X线图像数据对应异常 种类的原有分布进行均匀采样得到的； 第二训练样本模块， 用于将第 二异常乳腺X线图像数据和正常乳腺X线图像数据组成第 二训练样本数据； 其中， 第二异常乳腺X线图像数据是基于异常乳腺X线图像数据对应异常权　利　要　求　书 2/3 页 3 CN 114881929 A 3