[發明專利]一種甲狀腺腫瘤超聲圖像識別方法及其裝置在審
| 申請號： | 201810318306.X | 申請日： | 2018-04-10 |
| 公開（公告）號： | CN108520518A | 公開（公告）日： | 2018-09-11 |
| 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 |
| 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 |
| 地址： | 200032 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 甲狀腺腫瘤 超聲圖像 腫瘤區域 訓練集 擴增 切割 卷積神經網絡 甲狀腺超聲 腫瘤良惡性 診斷 輔助醫生 臨床實際 圖像組成 準確率 標注 圖像 參考 檢測 試驗 | ||
1.一種甲狀腺腫瘤超聲圖像識別方法，其特征在于，包括：
選取甲狀腺腫瘤超聲圖像中的腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像組成訓練集；
用訓練集訓練選定的卷積神經網絡形成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所述的甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述一定邊緣范圍是使切割圖像形成正方形的邊緣范圍。
3.如權利要求1所述的甲狀腺腫瘤超聲圖像識別方法，其特征在于，所述選定的卷積神經網絡為InceDtion-V3網絡。
4.如權利要求1所述的甲狀腺腫瘤超聲圖像識別方法，其特征在于，還包括使用ImageNet數據集對所述選定的卷積神經網絡進行預訓練。
5.如權利要求1所述的甲狀腺腫瘤超聲圖像識別方法，其特征在于，采用帶mini-batch的隨機梯度下降法對所述選定的卷積神經網絡進行訓練。
6.如權利要求1所述的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。
7.一種甲狀腺腫瘤超聲圖像識別模型的構建方法，其特征在于，包括：選取甲狀腺腫瘤超聲圖像中的腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像組成訓練集；用訓練集訓練選定的卷積神經網絡形成甲狀腺腫瘤超聲圖像識別模型。
8.一種甲狀腺腫瘤超聲圖像識別裝置，其特征在于，包括：
圖像預處理模塊：用于選取甲狀腺腫瘤超聲圖像中的腫瘤區域并擴增一定邊緣范圍后切割，進行良惡性標注，將切割下來的圖像組成訓練集；
模型構建模塊：用于用訓練集訓練選定的卷積神經網絡形成甲狀腺腫瘤超聲圖像識別模型；
圖像識別模塊：用于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，用所述甲狀腺腫瘤超聲圖像識別模型進行良惡性識別。
9.一種甲狀腺腫瘤超聲圖像識別裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-7中任一項所述的方法。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-7中任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于復旦大學附屬腫瘤醫院;上海交通大學，未經復旦大學附屬腫瘤醫院;上海交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810318306.X/1.html，轉載請聲明來源鉆瓜專利網。
