(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 20221087139 9.5 (22)申请日 2022.07.22 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 马建国　徐立军　孙其振　谢准　 孙鹏飞　 (51)Int.Cl. A61B 8/08(2006.01) A61B 8/00(2006.01) G06K 9/00(2022.01) G06N 20/00(2019.01) G06T 7/00(2017.01) G06T 7/73(2017.01) (54)发明名称 一种基于宽带超声回波特征的乳腺肿瘤筛 查方法和装置 (57)摘要 本发明公开了一种基于宽带超声回波特征 的乳腺肿瘤筛查方法和装置， 包括以下步骤： S1、 超声信号采集； S2、 超声信号标注： 分别计算信号 包络和时频谱， 包络对数压缩得到超声 图像， 标 注图像病灶位置和类型， 构建乳腺肿瘤超声图像 数据集和乳腺肿瘤超声信号时频谱数据集； S3、 图像数据集训练： 训练图像数据集得到病灶位置 检测模型； S4、 时频谱数据集训练： 训练信号时频 谱数据集得到乳腺肿瘤分类模型； S5、 模型预测： 使用病灶位置检测模型标记测试集图像肿瘤区 域， 并使用乳腺肿瘤分类模型预测被标记区域信 号的肿瘤类型； S6、 预测结果可视化。 本发明能够 在乳腺肿瘤筛查中实现比传统图像诊断模型更 快更准的病灶定位和良恶性诊断效果， 具有广泛 应用前景。 权利要求书2页 说明书6页 附图2页 CN 115227293 A 2022.10.25 CN 115227293 A 1.一种基于 宽带超声回波特 征的乳腺肿瘤筛查方法， 其特 征在于， 包括以下步骤： 步骤S1、 超声信号采集： 使用宽频或多频超声换能器对乳腺进行多角度扫描， 获取超声 回波射频信号； 步骤S2、 超声信号标注： 对超声回波射频信号分别计算包络和时频谱， 对包络进行对数 压缩得到超声 灰度图像， 在 超声灰度图像上标注肿瘤病灶位置、 轮廓和类型， 构建乳 腺肿瘤 超声灰度图像数据集， 同时保存标注 位置区域的时频谱， 提取时频谱 特征参数， 构建乳腺肿 瘤超声信号时频谱数据集； 步骤S3、 图像数据集训练： 通过目标检测算法训练乳腺肿瘤超声灰度图像数据集， 得到 基于超声图像的乳腺肿瘤病灶位置检测模型； 步骤S4、 时频谱数据集训练： 通过统计学习算法训练乳腺肿瘤超声信号时频谱数据集， 得到基于时频谱特 征参数的乳腺肿瘤分类模型； 步骤S5、 模型预测： 使用训练好的乳腺肿瘤病灶位置检测模型标记测试集图像中肿瘤 所在区域， 然后使用乳腺肿瘤分类模型预测被标记 区域信号的所属肿瘤类型， 加权计算两 模型各自的预测概 率得到测试样本的最终预测概 率值； 步骤S6、 预测结果可视化： 根据病灶类型和预测概率对超声图像 中的病灶做颜色编码， 生成高对比度的宽带超声 声谱图像， 实现乳腺肿瘤筛查的高对比度及高分辨 率可视化。 2.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 步 骤S1中， 所述超声回波射频信号指超声设备硬件波束 形成之后的超声信号； 可选的， 保存每 一阵元的回波信号， 然后使用自定义的波 束形成算法生成所述超声回波射频信号。 3.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 步 骤S2中， 信号时频谱获取方法如下： 对超声图像逐列对应的信号进 行时频变换,计算任意时 刻信号在不同频率下 的时频谱系 数； 合并每一列的信号时频系 数谱， 得到了图像中任意位 置信号的时频系数谱， 从而获得信号时频 特征信息。 4.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 步 骤S2中， 超声 灰度图像肿瘤区域标注方法如下： 标注肿瘤区域的轮廓形成闭环， 轮廓线内的 图像可用于灰度图像数据集的训练； 特别的， 由轮廓线通过自定义算法向两侧扩展小段距 离， 分别得到外边界轮廓线和内边界轮廓线， 以减小边界不清晰区域对数据标注造成的影 响； 用于训练每种组织的信号时频谱数据将来自于各自内边界轮廓线之内， 用于训练各组 织之外的背景信号时频谱数据将来自于所有组织轮廓线外边界之外； 内边界和外边界轮廓 线之间的区域可不 参与训练。 5.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 在 步骤S2中， 时频谱特征参数的提取方法如下： 使用设定大小的滑窗网格为样本单位， 计算每 个样本内基于时频谱系 数可计算出来且不完全线性相关的数学统计量， 如时频谱均值、 方 差、 峰度、 偏度等， 将这些数学 统计量作为特征参数， 样本所属肿瘤类别为标签， 构建信号时 频谱数据集； 特别的， 当滑窗网格大小为1*1的像素时， 可以将像素点对应时频谱系数作为 样本特征参数构建数据集。 6.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 在 步骤S3中， 通过目标检测模型训练由步骤S2得到的乳腺肿瘤超声图像数据集， 得到基于超 声图像的乳腺肿瘤病灶位置检测模型。权　利　要　求　书 1/2 页 2 CN 115227293 A 27.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 在 步骤S4中， 通过统计学习模型训练由步骤S2得到的乳腺肿瘤超声信号时频谱数据集， 得到 基于信号时频谱特 征参数的乳腺肿瘤分类模型。 8.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 在 步骤S5中， 给定测试集中某一帧超声图像及其对应信号时频谱， 使用乳腺肿瘤病灶位置检 测模型标记出测试集图像中肿瘤所在区域， 并使用肿瘤分类模型预测被标记区域对应信号 时频谱的所属肿瘤类型； 病灶位置检测模型同时给出图像中肿瘤所在区域及所属类别概 率， 在此基础上， 乳腺肿瘤分类模型给出区域内所有样本点对应信号时频谱的类别概率， 通 过加权计算得到肿瘤区域全部样本点的最终预测概 率。 9.根据权利要求1所述的基于宽带超声回波特征的乳腺肿瘤筛查方法， 其特征在于， 步 骤S6中， 根据病灶类型和预测概率对超声图像中的病灶进行颜色编码； 可选的， 进行HSV颜 色编码， 生成高对比度的宽带超声声谱图像， 其中预测目标区域的种类表示为色相(Hue)、 预测的置信度表示为饱和度(Saturation)、 信号的幅值表示为亮度(Value)， 最终实现乳腺 肿瘤筛查的高对比度可视化。 10.一种基于 宽带超声回波特 征的乳腺肿瘤筛查装置， 其特 征在于， 包括： 超声信号采集模块， 使用宽频或多频超声换能器对乳腺进行多角度扫描， 获取超声回 波射频信号； 超声信号标注模块， 对超声回波射频信号分别计算包络和时频谱， 对包络进行对数压 缩得到超声图像， 在 超声图像上标注肿瘤病灶位置、 轮廓和类型， 构建乳 腺肿瘤超声图像数 据集， 同时保存标注位置区域的时频谱， 提取时频谱特征参数， 构建乳腺肿瘤超声信号时频 谱数据集； 超声数据集训练模块， 通过目标检测模型训练乳腺肿瘤超声图像数据集， 得到基于超 声图像的乳腺肿瘤病灶位置检测模型； 时频谱数据集训练模块， 通过统计学习模型训练乳腺肿瘤超声信号时频谱数据集， 得 到基于时频谱特 征参数的乳腺肿瘤分类模型； 模型预测模块， 使用训练好的乳腺肿瘤病灶位置检测模型标记测试集图像中肿瘤所在 区域， 并使用乳腺肿瘤分类模型预测被标记 区域信号的所属肿瘤类型， 加权计算两模型各 自的预测概 率得到测试样本的最终预测概 率值； 预测结果可视化模块， 根据病灶类型和预测概率对超声图像中的病灶做颜色编码， 生 成高对比度的宽带超声 声谱图像， 实现乳腺肿瘤筛查的高对比度可视化。权　利　要　求　书 2/2 页 3 CN 115227293 A 3