[發明專利]卷積神經網絡訓練方法、超聲圖像識別定位方法及系統

有效

• 申請號: 201811000281.5
• 申請日: 2018-08-28
• 公開（公告）號: CN109447940B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 李祥春;張晟;高明;張強;魏璽;張侖;陳可欣
• 申請（專利權）人: 天津醫科大學腫瘤醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 吳夢圓

一種卷積神經網絡訓練方法、超聲圖像識別定位方法及系統，該訓練方法包括：建立卷積神經網絡模型；以ImageNet上訓練好的卷積神經網絡模型作為起點，以不同網絡結/層讀取訓練數據集中的B超圖像，然后用B超圖像去進行微調，進行神經網絡模型遷移學習；其中，所述訓練數據集中的圖像來自單中心、多臺機器的B超檢查圖像，并以病理檢查結果進行標記；通過回歸完成物體位置和類別判定。本發明提供了一種利用遷移學習及深度卷積神經網絡實現超聲圖像，例如甲狀腺結節的超聲圖像的人工智能識別定位系統，大大提高模型的準確率，實現了輔助評估甲狀腺結節的良惡性及其定位系統的成型。

技術領域

本發明涉及圖像分析技術領域，具體地涉及一種卷積神經網絡訓練方法、超聲圖像識別定位方法及系統。

背景技術

我國2003-2011年間統計數據顯示，甲狀腺癌發病和死亡分別以每年20.1％和1.6％的速度上升，全國各腫瘤登記點的甲狀腺癌發病率均呈現上升趨勢。在世界范圍，甲狀腺癌發病率在過去幾十年里持續上升，尤其在女性中，呈現爆發性的增長。甲狀腺結節現已成為常見的臨床問題，超聲是甲狀腺癌鑒別診斷的最常用手段，具備無創、簡便、經濟的特點，得到廣泛應用，唯一的缺點是對檢查者要求比較高，需要經驗豐富的高年資醫師才能做出準確評估超聲評估甲狀腺良惡性風險，決定了患有甲狀腺結節的人群是否需要進一步行細針穿刺活組織檢查或手術治療，而經驗豐富的高年資醫師培養需要周期長，各地區醫療資源分配不均衡。此外，診斷醫師的臨床工作繁重，重復性檢查工作，檢查效率低下，容易疲勞，容易犯人工性錯誤，不同醫師認知等導致檢查結果存在差異。

美國、韓國及歐洲均對超聲評估結節的風險做了指南建議，主要基于結節的邊界、回聲、實性、鈣化及血流信號等特征。這些都為了在臨床實踐中服務于醫生，以提高在診斷中的可重復性及簡化描述結果。計算機技術的進步及計算速度的提高使得人工智能得以飛躍發展。人工智能學習系統，為進一步提高效率，簡化工作流程提供了可能。如果將人工智能技術應用于超聲圖像的識別定位，開發出例如適用于甲狀腺癌的超聲圖像人工智能識別定位系統和方法，對提高醫生工作效率，不同醫師診斷獲得重復性結果，均衡醫療資源，改善患者就診體驗等方面具有重要作用，具有廣闊的應用前景和經濟價值。

發明內容

有鑒于此，本發明的主要目的在于提供一種超聲圖像識別定位的方法和系統，以期至少部分地解決上述技術問題中的至少之一。

為了實現上述目的，作為本發明的一個方面，提供了一種用于超聲圖像識別定位的卷積神經網絡的訓練方法，其特征在于，包括以下步驟：

步驟A，建立卷積神經網絡模型；

步驟B，以ImageNet上訓練好的卷積神經網絡模型作為起點，以不同網絡結/層讀取訓練數據集中的B超圖像，然后用B超圖像去進行微調，進行神經網絡模型遷移學習；其中，所述訓練數據集中的圖像來自單中心、多臺機器的B超檢查圖像，并以病理檢查結果進行標記；

步驟C，通過回歸完成物體位置和類別判定。

作為本發明的另一個方面，還提供了一種超聲圖像識別定位的方法，其特征在于，包括以下步驟：

基于如上所述的訓練方法預先訓練得到的卷積神經網絡模型對待識別的超聲圖像進行識別。

作為本發明的再一個方面，還提供了一種超聲圖像識別定位系統，其特征在于，包括：

存儲器，用于存儲用于執行如上所述的超聲圖像識別定位方法的程序；

處理器，用于執行存儲器中存儲的程序。

基于上述技術方案可知，本發明的超聲圖像識別定位的方法和系統具有如下有益效果：

(1)提供了一種利用遷移學習及深度卷積神經網絡實現超聲圖像，例如甲狀腺結節的超聲圖像的人工智能識別定位系統，通過遷移學習，大大提高模型的準確率，利用多結構卷積神經網絡模型，實現了輔助評估甲狀腺結節的良惡性及其定位系統的成型；