买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：达州市中心医院(达州市人民医院)

摘要：本发明涉及图像处理的技术领域，提供了基于超声图像识别的乳腺癌病理预测分类系统，从不同时期获取关于乳腺部位的所有超声图像筛选得到有效超声图像，并识别得到乳腺元素属性信息，对乳腺增生状态进行全局化表征，以此从有效超声图像画面提取若干子图层，并基于所有子图层的乳腺元素关联信息，整合得到若干子图层集合，便于后续对具有相近乳腺状态的子图层进行统一处理；还通过神经网络得到子图层集合对应的乳腺元素状态演变特征信息，以此识别其中的乳腺癌诱发源，对乳腺组织的病变趋势进行时间拓展分析；还通过神经网络分析乳腺癌诱发源画面片段，得到乳腺癌发病预测结果，快速准确地预测乳腺癌病情的发展趋势，提高诊断的可预见性和准确性。

主权项：1.基于超声图像识别的乳腺癌病理预测分类系统，其特征在于，包括：超声图像获取与筛选模块，用于获取不同时期目标对象的乳腺部位的若干超声图像，并对所有超声图像分别进行预处理，从中筛选相应的有效超声图像，包括：基于对目标对象的乳腺部位的多次超声检测对应的执行时间信息，获取不同时期所述目标对象的乳腺部分的若干超声图像；其中任意两个超声图像对应的超声检测执行时间间隔不小于预设时间间隔阈值；对所有超声图像均依次进行降噪滤波预处理和画面像素轮廓识别预处理，从中筛选相应的有效超声图像，包括：对每个超声图像进行画面网格划分处理，得到若干画面网格区域；对所有画面网格区域分别进行画面背景噪声识别处理，得到所有画面网格区域各自的画面背景噪声分布信息；基于所述画面背景噪声分布信息，对所有画面网格区域进行降噪滤波预处理；对所有超声图像分别进行画面像素纹理识别预处理，得到所有超声图像各自的画面像素纹理特征信息；基于所述画面像素纹理特征信息，确定所有超声图像中任意两者之间的画面像素纹理分布相似度；并基于所述画面像素纹理分布相似度，对所有超声图像进行筛选，得到相应的若干有效超声图像；画面元素识别模块，用于对所有有效超声图像分别进行画面元素识别，得到所述有效超声图像画面相应的乳腺元素属性信息，包括：对所有有效超声图像分别进行乳腺组织轮廓识别处理，得到每个有效超声图像画面上的乳腺组织轮廓特征信息；基于所述乳腺组织轮廓特征信息，确定所述有效超声图像画面存在的所有乳腺组织；对所述有效超声图像画面存在的所有乳腺组织分别与基准乳腺组织进行结构轮廓对比，得到所有乳腺组织各自对应的组织生长属性信息，以此作为所述乳腺元素属性信息；其中，所述组织生长属性信息包括乳腺组织生长方向和生长形状信息；图层提取模块，用于基于所述乳腺元素属性信息，对所述有效超声图像画面进行图层提取，得到若干子图层，包括：基于所述乳腺元素属性信息包含的乳腺组织生长方向和生长形状信息，对所述有效超声图像画面存在的所有乳腺组织进行统计分类，得到若干乳腺组织集合；其中，每个乳腺组织集合下属所有乳腺组织具有相同或相近的生长方向和生长形状；基于每个乳腺组织集合下属所有乳腺组织在所述有效超声图像画面的像素单元位置信息，对所述有效超声图像进行图层提取，得到与所有乳腺组织集合一一对应的若干子图层；图层整合模块，用于基于所有有效超声图像下属所有子图层对应的乳腺元素关联信息，对所有有效超声图像下属所有子图层进行整合，得到若干子图层集合，包括：对所有有效超声图像下属所有子图层进行乳腺组织定位识别，得到所有有效超声图像下属所有子图层对应的乳腺组织位置关联信息；其中所述乳腺组织位置关联信息包括所有子图层包含的乳腺组织的相对距离大小信息；基于所有有效超声图像下属所有子图层对应的乳腺组织位置关联信息，将具有相同乳腺组织相对距离分布的子图层整合到同一子图层集合，从而得到若干子图层集合；第一神经网络处理模块，用于将所述子图层集合下属所有子图层进行第一神经网络处理，得到所述子图层集合对应的乳腺元素状态演变特征信息，包括：将所述子图层集合下属所有子图层输入至时空神经网络模型进行处理，得到所述子图层集合对应的乳腺组织状态演变特征信息；其中，所述乳腺组织状态演变特征信息包括乳腺组织的增生速度和增生区域随时间的变化特征信息；诱发源识别模块，用于基于所述乳腺元素状态演变特征信息，判断所述子图层集合对应的乳腺元素是否属于乳腺癌诱发源，包括：基于所述乳腺元素状态演变特征信息包含的乳腺组织的增生速度和增生区域随时间的变化特征信息，确定所述子图层集合对应的乳腺组织是否具有不规律增生趋势；若是，则判断所述子图层集合对应的乳腺组织属于乳腺癌诱发源；若否，则判断所述子图层集合对应的乳腺组织不属于乳腺癌诱发源；画面片段截取模块，用于基于所有乳腺癌诱发源各自的位置信息，对所有有效超声图像分别进行画面片段截取，得到若干乳腺癌诱发源画面片段，包括：基于所有乳腺癌诱发源各自的位置信息，确定所有乳腺癌诱发源各自在相应有效超声图像画面对应的结构关联区域；基于所述结构关联区域的边界信息，对所有有效超声图像分别进行画面片段截取，得到若干乳腺癌诱发源画面片段；第二神经网络处理模块，用于对所有乳腺癌诱发源画面片段进行第二神经网络处理，得到相应的乳腺癌发病预测结果，包括：将所有乳腺癌诱发源画面片段输入至卷积神经网络模型进行处理，得到相应的乳腺癌发病预测结果；其中，所述乳腺癌发病预测结果包括所有乳腺癌诱发源转变为乳腺癌的概率分布信息和发生时间预测信息。

全文数据：

权利要求：

百度查询： 达州市中心医院(达州市人民医院) 基于超声图像识别的乳腺癌病理预测分类系统