本發(fā)明涉及乳腺病灶匹配，具體涉及一種基于超聲圖像的乳腺病灶匹配方法及系統(tǒng)。

背景技術(shù)：

1、乳腺病灶是指在乳腺組織中出現(xiàn)的異常區(qū)域，可能表現(xiàn)為腫塊、囊腫或鈣化等，這些病灶可能是良性病變，也可能是乳腺癌的早期信號。對乳腺病灶進行匹配的目的是通過對比當前與以往的醫(yī)學影像，評估病灶的變化情況，包括位置、大小、形狀等方面的差異，以便醫(yī)生能夠及早發(fā)現(xiàn)病情的惡化或新的病灶形成，進而作出更準確的診斷和治療決策。基于超聲圖像的乳腺病灶匹配方法具有無創(chuàng)、操作簡單、實時動態(tài)監(jiān)測等優(yōu)點，特別適用于乳腺的軟組織成像，能夠更精準地檢測病灶的特征變化，有助于提高早期篩查和診斷的準確性，并減少不必要的侵入性檢查。

2、現(xiàn)有的基于超聲圖像的乳腺病灶匹配技術(shù)通過一系列圖像處理和特征提取步驟來實現(xiàn)病灶的匹配。首先，通過超聲設(shè)備獲取乳腺組織的多幅切片圖像，這些圖像經(jīng)過預處理，如噪聲過濾、對比度增強等，以確保圖像質(zhì)量適合分析。接下來，利用圖像分割算法或深度學習模型檢測出圖像中的可疑病灶區(qū)域，并提取其特征信息，如病灶的形狀、大小、邊界和位置等。這些特征被數(shù)字化并存儲，以便與先前的超聲圖像中的病灶信息進行比對。匹配過程通過計算病灶形狀的相似度、位置的偏差以及邊緣輪廓的一致性，判斷當前病灶與以往病灶的相似程度。為了提高匹配的精度，現(xiàn)有技術(shù)通常會采用多維度的特征匹配，如通過幾何特征、紋理特征、灰度分布等綜合分析病灶的變化趨勢，最終生成一個匹配度評價，以幫助醫(yī)生判斷病灶是穩(wěn)定、惡化還是新生。通過這種技術(shù)，醫(yī)生可以準確追蹤病灶的動態(tài)變化，及時調(diào)整診療方案。

3、現(xiàn)有技術(shù)存在以下不足：

4、在乳腺病灶的位置靠近乳腺血管的情況下，超聲波會在通過乳腺組織時與血管的回聲信號產(chǎn)生較強的干擾，尤其是在病灶和血管距離較近時，回聲干擾會形成與病灶相似的高亮區(qū)域。由于這種回聲與病灶的實際形態(tài)和位置重疊，導致圖像中的病灶邊緣變得模糊不清，甚至病灶的部分形態(tài)被掩蓋或扭曲?，F(xiàn)有基于超聲圖像的乳腺病灶匹配技術(shù)主要依賴于圖像的亮度信息進行病灶識別和匹配，但這種技術(shù)在面對病灶與血管回聲重疊時，缺乏專門的處理機制，無法有效區(qū)分出真實的病灶和干擾信號，導致病灶的邊界無法被準確捕捉。這種情況下，現(xiàn)有技術(shù)無法精準提取病灶的真實形態(tài)和位置，容易將血管回聲誤認為病灶的一部分，導致匹配結(jié)果出現(xiàn)顯著誤差。最終，這種誤差會影響病灶變化的追蹤和監(jiān)測，導致醫(yī)生對病灶的實際情況作出錯誤判斷，無法準確評估病灶的進展或治療效果，影響數(shù)據(jù)分析和后續(xù)處理的可靠性。

5、在所述背景技術(shù)部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于超聲圖像的乳腺病灶匹配方法及系統(tǒng)，以解決上述背景技術(shù)中的問題。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于超聲圖像的乳腺病灶匹配方法，具體包括以下步驟：

3、通過超聲設(shè)備對乳腺組織進行掃描，實時獲取乳腺病灶的圖像信息，并從圖像信息中提取用于后續(xù)圖像處理流程的病灶檢測信息；

4、從提取的病灶檢測信息中獲取回聲干擾分析信息，并在獲取后進行分析，判斷乳腺病灶的邊界和形態(tài)是否會因回聲干擾而導致識別不準確；

5、根據(jù)判斷結(jié)果，構(gòu)建用于抑制回聲干擾對病灶識別影響的回聲抑制機制，并在構(gòu)建后將其應用于圖像處理流程；

6、在回聲抑制機制應用過程中，實時獲取回聲抑制反饋信息，并在獲取后進行分析，評估回聲抑制機制的抑制效果是否能夠滿足區(qū)分乳腺病灶與回聲干擾區(qū)域的要求，并根據(jù)評估結(jié)果對回聲抑制機制進行調(diào)整；

7、根據(jù)調(diào)整后的回聲抑制機制完成病灶匹配，并對病灶匹配的結(jié)果及回聲抑制機制的應用過程進行記錄和存儲，用于后續(xù)病灶變化的監(jiān)測及進一步的分析和優(yōu)化。

8、優(yōu)選的，從提取的病灶檢測信息中獲取回聲干擾分析信息，并在獲取后進行分析，判斷乳腺病灶的邊界和形態(tài)是否會因回聲干擾而導致識別不準確，具體包括以下步驟：

9、從提取的病灶檢測信息中獲取回聲干擾分析信息，并在獲取后進行預處理；

10、提取經(jīng)過預處理的回聲干擾分析信息中的回聲信號波動信息和回聲傳播異常信息，并在提取后進行分析，分別生成干擾信號強度波動系數(shù)和回聲信號傳播異常指數(shù)；

11、將生成的干擾信號強度波動系數(shù)和回聲信號傳播異常指數(shù)構(gòu)建干擾識別模型，生成干擾系數(shù)，并將生成的干擾系數(shù)與預先設(shè)定的干擾系數(shù)閾值進行比對，根據(jù)比對結(jié)果判斷乳腺病灶的邊界和形態(tài)是否會因回聲干擾而導致識別不準確。

12、優(yōu)選的，所述干擾信號強度波動系數(shù)和回聲信號傳播異常指數(shù)的獲取邏輯如下：

13、提取經(jīng)過預處理的回聲干擾分析信息中的回聲信號波動信息，具體包括一段時間內(nèi)不同時刻的回聲信號干擾強度以及相鄰時刻的時間間隔，將一段時間內(nèi)不同時刻的回聲信號干擾強度以及相鄰時刻的時間間隔分別標定為和，表示一段時間內(nèi)時刻的回聲信號干擾強度，，為正整數(shù)；

14、計算干擾信號強度波動系數(shù)，具體的計算公式如下：

15、

16、式中，為干擾信號強度波動系數(shù)；

17、提取經(jīng)過預處理的回聲干擾分析信息中的回聲傳播異常信息，具體包括回聲信號的實際傳播時間、理論傳播時間以及回聲信號在傳播過程中一段時間內(nèi)不同時刻的幅度值，并分別標定為、和，表示回聲信號的實際傳播時間，表示回聲信號的理論傳播時間，表示回聲信號在傳播過程中一段時間內(nèi)時刻的幅度值，，為正整數(shù)；

18、計算回聲信號傳播異常指數(shù)，具體的計算公式如下：

19、

20、式中，為回聲信號傳播異常指數(shù)，為回聲信號在傳播過程中一段時間內(nèi)初始時刻的幅度值。

21、優(yōu)選的，將生成的干擾信號強度波動系數(shù)和回聲信號傳播異常指數(shù)構(gòu)建干擾識別模型，通過加權(quán)求和生成干擾系數(shù)，并將生成的干擾系數(shù)與預先設(shè)定的干擾系數(shù)閾值進行比對，根據(jù)比對結(jié)果判斷乳腺病灶的邊界和形態(tài)是否會因回聲干擾而導致識別不準確，具體比對分析如下：

22、若，乳腺病灶的邊界和形態(tài)不會因回聲干擾而導致識別不準確；

23、若，乳腺病灶的邊界和形態(tài)會因回聲干擾而導致識別不準確。

24、優(yōu)選的，根據(jù)判斷結(jié)果，構(gòu)建用于抑制回聲干擾對病灶識別影響的回聲抑制機制，并在構(gòu)建后將其應用于圖像處理流程，具體包括：在判斷結(jié)果為乳腺病灶的邊界和形態(tài)會因回聲干擾而導致識別不準確的情況下，通過分析回聲信號的強度和傳播特性，提取干擾信號的時空分布特征，并基于這些特征構(gòu)建回聲抑制機制；該機制包括對干擾信號進行頻率域分離、信號強度歸一化處理以及基于時間和空間分布特征的信號抑制策略；通過對干擾信號和有效信號的區(qū)分處理，降低干擾信號對圖像生成過程的影響；將構(gòu)建后的回聲抑制機制應用于圖像處理流程中，通過信號處理后的數(shù)據(jù)生成經(jīng)抑制干擾的超聲圖像，并在圖像處理流程中持續(xù)應用該機制以優(yōu)化識別結(jié)果。

25、優(yōu)選的，在回聲抑制機制應用過程中，實時獲取回聲抑制反饋信息，并在獲取后進行分析，評估回聲抑制機制的抑制效果是否能夠滿足區(qū)分乳腺病灶與回聲干擾區(qū)域的要求，并根據(jù)評估結(jié)果對回聲抑制機制進行調(diào)整，具體包括以下步驟：

26、在回聲抑制機制應用過程中，實時獲取回聲抑制反饋信息，并在獲取后進行預處理；

27、提取經(jīng)過預處理的回聲抑制反饋信息中的回聲信號特征綜合信息，并在提取后進行分析，分別生成回聲信號強度衰減系數(shù)和信號強度波動均方系數(shù)；

28、將生成的回聲信號強度衰減系數(shù)和信號強度波動均方系數(shù)構(gòu)建抑制效果模型，生成抑制系數(shù)，并將生成的抑制系數(shù)與預先設(shè)定的抑制系數(shù)閾值進行比對，根據(jù)比對結(jié)果評估回聲抑制機制的抑制效果是否能夠滿足區(qū)分乳腺病灶與回聲干擾區(qū)域的要求，并根據(jù)評估結(jié)果對回聲抑制機制進行調(diào)整。

29、優(yōu)選的，所述回聲信號強度衰減系數(shù)和信號強度波動均方系數(shù)的獲取邏輯如下：

30、提取經(jīng)過預處理的回聲抑制反饋信息中的回聲信號特征綜合信息，具體包括在回聲抑制機制應用過程中一段時間內(nèi)不同時刻干擾信號的強度、頻率、相位以及對應的時間點，并將在回聲抑制機制應用過程中一段時間內(nèi)不同時刻干擾信號的強度、頻率和相位分別按照時間序列用函數(shù)、和進行表示，為時間點，表示在回聲抑制機制應用過程中一段時間內(nèi)時刻干擾信號的強度，表示在回聲抑制機制應用過程中一段時間內(nèi)時刻干擾信號的頻率，表示在回聲抑制機制應用過程中一段時間內(nèi)時刻干擾信號的相位，定義時間段為；

31、計算回聲信號強度衰減系數(shù)，具體的計算公式如下：

32、

33、式中，為回聲信號強度衰減系數(shù)，為在回聲抑制機制應用過程中一段時間內(nèi)初始時刻干擾信號的強度，為在回聲抑制機制應用過程中一段時間內(nèi)初始時刻干擾信號的頻率；

34、計算信號強度波動均方系數(shù)，具體的計算公式如下：

35、

36、式中，為信號強度波動均方系數(shù)，表示在回聲抑制機制應用過程中一段時間內(nèi)不同時刻干擾信號的強度的變化率，表示在回聲抑制機制應用過程中一段時間內(nèi)不同時刻干擾信號的相位的變化率。

37、優(yōu)選的，將生成的回聲信號強度衰減系數(shù)和信號強度波動均方系數(shù)構(gòu)建抑制效果模型，通過加權(quán)求和生成抑制系數(shù)，并將生成的抑制系數(shù)與預先設(shè)定的抑制系數(shù)閾值進行比對，根據(jù)比對結(jié)果評估回聲抑制機制的抑制效果是否能夠滿足區(qū)分乳腺病灶與回聲干擾區(qū)域的要求，并根據(jù)評估結(jié)果對回聲抑制機制進行調(diào)整，具體比對分析如下：

38、若，回聲抑制機制的抑制效果能夠滿足區(qū)分乳腺病灶與回聲干擾區(qū)域的要求，不需要對回聲抑制機制進行調(diào)整；

39、若，回聲抑制機制的抑制效果不能夠滿足區(qū)分乳腺病灶與回聲干擾區(qū)域的要求，需要對回聲抑制機制進行調(diào)整，具體包括：通過分析當前回聲信號的強度、頻率及相位變化，重新調(diào)整回聲信號的濾波參數(shù)，優(yōu)化頻率域分離算法以進一步消除頻率干擾，同時針對信號強度波動大的區(qū)間，增強強度歸一化處理，減少信號波動幅度，并結(jié)合時間和空間的分布特性重新校準干擾抑制策略。

40、優(yōu)選的，一種基于超聲圖像的乳腺病灶匹配系統(tǒng)，包括超聲圖像實時獲取模塊、回聲干擾分析模塊、回聲抑制構(gòu)建模塊、回聲抑制反饋評估模塊以及病灶匹配與數(shù)據(jù)存儲模塊；

41、超聲圖像實時獲取模塊，通過超聲設(shè)備對乳腺組織進行掃描，實時獲取乳腺病灶的圖像信息，并從圖像信息中提取用于后續(xù)圖像處理流程的病灶檢測信息；

42、回聲干擾分析模塊，從提取的病灶檢測信息中獲取回聲干擾分析信息，并在獲取后進行分析，判斷乳腺病灶的邊界和形態(tài)是否會因回聲干擾而導致識別不準確；

43、回聲抑制構(gòu)建模塊，根據(jù)判斷結(jié)果，構(gòu)建用于抑制回聲干擾對病灶識別影響的回聲抑制機制，并在構(gòu)建后將其應用于圖像處理流程；

44、回聲抑制反饋評估模塊，在回聲抑制機制應用過程中，實時獲取回聲抑制反饋信息，并在獲取后進行分析，評估回聲抑制機制的抑制效果是否能夠滿足區(qū)分乳腺病灶與回聲干擾區(qū)域的要求，并根據(jù)評估結(jié)果對回聲抑制機制進行調(diào)整；

45、病灶匹配與數(shù)據(jù)存儲模塊，根據(jù)調(diào)整后的回聲抑制機制完成病灶匹配，并對病灶匹配的結(jié)果及回聲抑制機制的應用過程進行記錄和存儲，用于后續(xù)病灶變化的監(jiān)測及進一步的分析和優(yōu)化。

46、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點：

47、1、本發(fā)明顯著提升了超聲圖像中病灶邊界和形態(tài)的識別準確性?，F(xiàn)有技術(shù)依賴于圖像的亮度信息，在面對病灶與血管回聲信號重疊時難以區(qū)分病灶與干擾信號，導致邊界模糊甚至形態(tài)扭曲。而通過實時獲取病灶檢測信息并進行回聲干擾分析，本發(fā)明通過引入干擾抑制機制，有效地消除了圖像中的高亮干擾區(qū)域，從而確保病灶與干擾信號的精準區(qū)分。這一過程不僅提高了病灶的邊緣清晰度，還減少了誤判，確保了醫(yī)生能夠基于更準確的圖像進行診斷和治療決策。

48、2、本發(fā)明通過實時獲取回聲抑制反饋信息，評估抑制效果是否滿足預設(shè)的要求，并根據(jù)評估結(jié)果對抑制機制進行調(diào)整。這種基于實時數(shù)據(jù)反饋的動態(tài)優(yōu)化確保了回聲干擾在整個圖像處理流程中始終受到有效控制，保證了即便在不同掃描條件或不同患者個體差異的情況下，回聲干擾也不會影響最終的病灶識別結(jié)果。該動態(tài)調(diào)整機制確保了技術(shù)方案的適應性，能夠應對不同情境下的復雜回聲干擾問題。

49、3、本發(fā)明的優(yōu)點是病灶匹配結(jié)果的存儲與后續(xù)分析支持。本發(fā)明中提到，所有病灶匹配結(jié)果以及回聲抑制機制的應用過程都會進行記錄和存儲，為后續(xù)病灶變化的監(jiān)測和分析提供了可靠的數(shù)據(jù)支撐。這種數(shù)據(jù)的長期記錄與存儲，不僅能夠幫助醫(yī)生在未來的治療過程中更準確地追蹤病灶變化，還能夠為未來的技術(shù)優(yōu)化提供重要的參考依據(jù)。這種結(jié)合了數(shù)據(jù)存儲與分析的設(shè)計極大地提升了系統(tǒng)的持續(xù)優(yōu)化能力，能夠為乳腺病灶的長期監(jiān)控和治療提供技術(shù)支持。