一种用于乳腺癌诊断的双视图钼靶筛查系统及方法
本发明涉及计算机视觉和医学图像处理,具体涉及一种用于乳腺癌诊断的双视图钼靶筛查系统及方法。
背景技术:
1、乳腺癌的精准筛查高度依赖于乳腺钼靶(mammography)影像的综合研判。在临床实践中,头足位(cc)与侧斜位(mlo)分别从水平与斜向两个正交维度提供了互补的解剖视野,利用双视角影像构建完整的诊断证据链已成为辅助精准诊疗的关键手段。近年来,学术界针对乳腺钼靶双视角协同诊断开展了广泛探索,现有技术的发展水平主要经历了从物理驱动到数据驱动的演进,并衍生出多种特征筛选与跨视角交互机制。
2、早期物理驱动范式为依赖手工设计的特征描述符,如利用局部二值模式(lbp)和gabor滤波器组来量化毛刺征的边缘各向异性与组织纹理;现代数据驱动范式为以cnn和vision transformer等深度学习模型为代表的范式,例如利用自监督拼图任务学习宏观解剖结构的in-jig框架,以及通过多骨干集成策略提升鲁棒性的stethonet;特征选择与跨视角交互机制是为抑制背景噪声提出的基于注意力机制的模型如mob-cbam。
3、然而,现有技术仍存在以下四重本质缺陷:1)物理机理与深度表征之间存在语义断层:现有的深度网络倾向于拟合影像中的宏观统计纹理,缺乏显式的各向异性归纳偏置;同时,标准卷积网络中固有的下采样与池化操作具有强烈的低通滤波效应,这些机制的叠加导致微小的高频信号(如微钙化)在感受野扩大的过程中被平滑掉,而具有强烈方向性的结构(如毛刺征)丢失了关键的空间梯度,致使特征提取具有盲目性,模型决策丧失生理透明度。2)高致密腺体引发严重的背景掩蔽: 现有的特征选择与注意力机制普遍依赖通用的统计加权策略,忽视了乳腺背景致密度这一关键物理属性对特征分布的非线性影响;在致密型乳腺中,高亮腺体与病灶表现出极度相近的射线吸收率与衰减特性,产生了显著的掩蔽效应;现有技术缺乏针对致密度的动态自适应建模,极易陷入病灶被掩蔽的提取困境。3)软组织非刚性形变导致跨视角证据错位:乳腺组织本身具有显著的弹性非线性,在cc与mlo不同成像体位下承受了剧烈的非线性机械挤压,导致病灶在双视角间存在显著的非刚性形变;现有的多流网络交互机制多依赖传统的刚性空间配准、刚性位置编码或线性关联假设,在面对因形变导致的剧烈空间偏移时,极易产生语义匹配偏差,使得传统的欧几里得空间对齐范式失效。4)确定性决策存在潜在的风险感知缺失:现有的辅助诊断系统大多采用基于softmax的确定性分类器进行推理,这些模型存在过度自信的本质缺陷,它们倾向于将高概率分数分配给所有输入,却缺乏对不典型病灶、受致密背景及成像伪影干扰的样本或分布外数据的风险感知能力,由于无法量化认知不确定性,模型无法识别未知,显著增加了复杂临床环境下的潜在误诊风险与医疗差错。
技术实现思路
1、为了解决或缓解上述一个或多个问题,本发明提出一种用于乳腺癌诊断的双视图钼靶筛查系统及方法。
2、根据本发明的一方面,提出一种用于乳腺癌诊断的双视图钼靶筛查系统,该系统包括:数据获取模块、多物理特征提取模块、密度自适应特征选择模块、双视图图交互模块、证据推理决策模块;
3、其中,数据获取模块的输出端连接多物理特征提取模块,多物理特征提取模块的输出端连接密度自适应特征选择模块,密度自适应特征选择模块的输出端连接双视图图交互模块,双视图图交互模块的输出端连接证据推理决策模块;
4、所述数据获取模块用于获取头足位与侧斜位双视图乳腺钼靶影像,并对所述影像进行数据预处理;
5、所述多物理特征提取模块用于对预处理后的双视图影像数据并行执行特征提取操作,获得每个视图的三个物理特征,分别为空间语义特征、毛刺纹理特征、频域钙化特征;
6、所述密度自适应特征选择模块用于基于空间语义特征生成每个物理特征的密度感知权重,并基于所述密度感知权重对三个物理特征进行加权融合,获得每个视图的融合特征;
7、所述双视图图交互模块用于将双视图的融合特征分割为图节点,并利用全局图注意力机制进行跨视图拓扑结构融合,获得每个视图经跨视角信息增强后的更新特征图;
8、所述证据推理决策模块用于将每个视图的更新特征图通过证据学习转化为狄利克雷分布参数,并据此同时输出判定为良性或恶性的预测概率以及认知不确定性。
9、进一步地,所述数据获取模块中所述数据预处理包括解剖方位校准、组织掩膜提取、分位数裁剪、尺寸归一化、数值归一化、数据增强;其中,解剖方位校准为:将所有侧斜位乳腺影像水平翻转以保证组织朝向一致;组织掩膜提取为:基于预设像素阈值提取乳腺区域,计算最小外接矩形并在矩形四周预留10%填充空间;分位数裁剪为:对图像像素值进行裁剪以消除极值噪声;尺寸归一化为对图像尺寸进行统一缩放;数值归一化为对图像像素值进行标准化。
10、进一步地,所述多物理特征提取模块包括空间特征提取单元、纹理特征提取单元和频域钙化特征提取单元;所述空间特征提取单元包含efficientnet-b3骨干网络,用于对输入影像数据提取空间语义特征;所述纹理特征提取单元包含多方向gabor滤波器,用于通过0度、45度、90度和135度的方向通道捕获毛刺特征,并输出gabor纹理特征作为毛刺纹理特征;所述频域钙化特征提取单元用于经过二维实数快速傅里叶变换提取输入影像数据的幅值与相位,并将所述幅值与相位在通道维度拼接相加后经二维卷积层输出得到频域钙化特征。
11、进一步地,所述密度自适应特征选择模块包括全局平均池化单元和自适应特征融合单元;所述全局平均池化单元用于对所述空间语义特征进行全局平均池化,获得包含腺体组织整体致密信息的向量;所述自适应特征融合单元用于基于所述向量通过两个全连接层和softmax激活函数生成密度感知权重,并基于所述密度感知权重对三个物理特征进行加权融合,获得融合特征。
12、进一步地,所述双视图图交互模块中所述获得每个视图经跨视角信息增强后的更新特征图包括:
13、对每个视图的融合特征分别执行自适应空间池化,其中每个视图划分为4个空间区域作为图节点,共得到8个节点;
14、对每个图节点执行层归一化,得到每个图节点的初始表征;
15、将初始表征经共享线性投影映射至低维隐藏空间,得到每个图节点的低维表征;
16、基于所述低维表征计算跨视角注意力系数;
17、基于跨视角注意力系数对低维表征进行加权聚合,经独立的线性投影层映射后,与各节点的初始表征进行残差相加,得到8个更新后的节点特征;
18、将更新后的节点特征按照各自视图的空间拓扑顺序重新排列,分别映射回对应视图的原始空间位置,重构为两个视图各自的更新特征图,作为双视图图交互模块的输出。
19、进一步地,所述证据推理决策模块用于对两个视图各自的更新特征图执行全局平均池化和全局最大池化,并将结果沿通道拼接成向量h;将向量h送入多层感知机,经softplus激活函数映射为非负证据向量,该向量包括支持良性分类和支持恶性分类的累积证据强度;狄利克雷分布的两个强度参数分别为支持良性分类的累积证据强度加1和支持恶性分类的累积证据强度加1;总证据强度为两个强度参数相加;预测概率为每个强度参数除以总证据强度,认知不确定性为类别数除以总证据强度。
20、进一步地,系统训练时的损失函数为:
21、;
22、其中,表示证据损失项,用于基于均方误差约束证据分配;为kl散度正则项,用于促使狄利克雷分布向均匀分布退火,防止过拟合;表示退火系数。
23、根据本发明的另一方面,提出一种用于乳腺癌诊断的双视图钼靶筛查方法,所述方法基于上述所述的一种用于乳腺癌诊断的双视图钼靶筛查系统实现;所述方法包括:
24、获取头足位与侧斜位双视图乳腺钼靶影像,并对所述影像进行数据预处理;
25、对预处理后的影像数据并行执行特征提取操作,获得每个视图的三个物理特征,分别为空间语义特征、毛刺纹理特征、频域钙化特征;
26、基于空间语义特征生成每个物理特征的密度感知权重,并基于所述密度感知权重对三个物理特征进行加权融合,获得每个视图的融合特征;
27、将双视图的融合特征分割为图节点,并利用全局图注意力机制进行跨视图拓扑结构融合,获得每个视图经跨视角信息增强后的更新特征图;
28、将每个视图的更新特征图通过证据学习转化为狄利克雷分布参数,并据此同时输出判定为良性或恶性的预测概率以及认知不确定性。
29、本发明提供一种用于乳腺癌诊断的双视图钼靶筛查系统及方法,具有以下显著的技术效果:
30、1)本发明彻底解决了现有先进注意力模型因过度保守而导致的极高漏诊问题,将假阴性率从18.3%降至极低水平;同时通过多尺度物理特征协同嵌入机制,将临床物理先验作为强归纳偏置显式注入网络,从数学底层精准量化并重建了传统卷积与池化操作所掩盖的毛刺征空间梯度与微钙化簇高频能量响应,使特征提取完全遵循物理成像机理,极大增强了模型决策的临床可信度。
31、2)本发明构建的密度自适应特征选择模块,使模型能够根据腺体背景致密程度自适应重权化特征通道,动态增强具强穿透性的频域证据并抑制易失真的空域梯度,精准剥离高密度背景噪声;同时,交互图注意力融合架构通过自适应空间池化将特征图投影至非线性拓扑空间,基于高维特征语义相似度动态匹配跨视角间因机械挤压差异而产生剧烈偏移的互补病理证据,通过图注意力机制在拓扑层面的软对齐与交叉证据互证,成功滤除了单侧物理噪声引发的假阳性。
32、3)本发明引入证据深度学习机制,实现认知不确定性的精确闭式建模,将传统点估计分类转变为信念分布推断。当临床输入遭遇低剂量辐射、运动伪影或假体遮挡等极端退化场景时,系统能敏锐捕捉物理证据衰减并主动拒绝给出盲目确信的假阳性诊断。在inbreast与cbis-ddsm数据集上的严格外部独立验证表明,本发明有效抵消了跨域数据分布偏移的影响,显著降低了异构成像环境下的误判概率。
33、4)面对临床常见的设备散焦、患者体位位移、曝光剂量差异及腺体致密度变化等物理退化场景,本发明在各类干扰梯度下核心指标始终维持高位且衰减平缓。在重度对比度退化或高强度运动伪影破坏病灶高频拓扑结构的极端场景下,系统能主动触发预测概率差的同步自适应回落机制;同时,系统斩获了极低的期望校准误差与brier分数,实现了无需后置校准的天然概率对齐,确保输出概率直接对应真实的恶性临床风险。本发明在同源cmmd数据集上取得了90.10%的准确率和0.9450的auc,敏感度达0.8897,精确率达0.9669,f1分数达0.9267,全面优于stethonet、in-jig、mob-cbam、multimodal dl及mime-vit等现有sota技术,实现了定量诊断性能的跨代式突破。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com