[發明專利]一種在線訓練甲狀腺腫瘤超聲圖像識別方法及其裝置

在審

• 申請號: 201810318236.8
• 申請日: 2018-04-10
• 公開（公告）號: CN108364293A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 向俊;盧宏濤;官青;王芬;王蘊珺;李端樹;杜佳俊;秦宇
• 申請（專利權）人: 復旦大學附屬腫瘤醫院;上海交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;A61B8/08;A61B8/00
• 代理公司: 上海容慧專利代理事務所(普通合伙) 31287
• 代理人: 于曉菁

1.一種在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，包括：

獲取第一組甲狀腺腫瘤超聲圖像，從中選取腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像存入圖像庫，并組成第一訓練集；

用第一訓練集訓練選定的卷積神經網絡形成第一甲狀腺腫瘤超聲圖像識別模型；

獲取第二組甲狀腺腫瘤超聲圖像，從中選取腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像存入所述圖像庫，并與所述圖像庫中部分原有的圖像組成第二訓練集；

用第二訓練集訓所述第一甲狀腺腫瘤超聲圖像識別模型形成第二甲狀腺腫瘤超聲圖像識別模型；

獲取待識別的甲狀腺腫瘤超聲圖像，選取腫瘤區域并擴增一定邊緣范圍后，用所述第二甲狀腺腫瘤超聲圖像識別模型進行良惡性識別。

2.如權利要求1所述的在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述獲取第二組甲狀腺腫瘤超聲圖像，從中選取腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像存入所述圖像庫，并與所述圖像庫中部分原有的圖像組成第二訓練集，其中所述圖像庫中部分原有的圖像的數量是所述切割下來的圖像數量的2倍以上。

3.如權利要求1所述的在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述選取甲狀腺腫瘤超聲圖像中的腫瘤區域是根據接收到的邊界信號進行的，所述擴增一定邊緣范圍是根據限定的邊緣長度值和寬度值進行的，所述進行良惡性標注是根據接收到的良惡性信號進行的。

4.如權利要求1所述的在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述用第二訓練集訓所述第一甲狀腺腫瘤超聲圖像識別模型形成第二甲狀腺腫瘤超聲圖像識別模型中訓練的是所述第一甲狀腺腫瘤超聲圖像識別模型的副本。

5.一種在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，包括：

獲取一組甲狀腺腫瘤超聲圖像，從中選取腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像存入圖像庫，并與所述圖像庫中部分原有的圖像組成訓練集；

用訓練集訓初級甲狀腺腫瘤超聲圖像識別模型形成進階甲狀腺腫瘤超聲圖像識別模型；

獲取待識別的甲狀腺腫瘤超聲圖像，選取腫瘤區域并擴增一定邊緣范圍后切割，用所述進階甲狀腺腫瘤超聲圖像識別模型進行良惡性識別。

6.如權利要求5所述的在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述獲取一組甲狀腺腫瘤超聲圖像，從中選取腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像存入圖像庫，并與所述圖像庫中部分原有的圖像組成訓練集還包括：用初級甲狀腺腫瘤超聲圖像識別模型進行良惡性識別。

7.如權利要求5所述的在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述用訓練集訓初級甲狀腺腫瘤超聲圖像識別模型形成進階甲狀腺腫瘤超聲圖像識別模型中訓練的是所述初級甲狀腺腫瘤超聲圖像識別模型的副本。

8.如權利要求5所述的在線訓練甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述獲取待識別的甲狀腺腫瘤超聲圖像，選取腫瘤區域并擴增一定邊緣范圍后切割，用所述進階的甲狀腺腫瘤超聲圖像識別模型進行良惡性識別還包括：根據從外界接收到的良惡性信號進行良惡性標注，將切割下來的圖像存入所述圖像庫。