[發明專利]一種基于深度學習的超聲甲狀腺結節智能評估方法

在審

• 申請號: 202010155463.0
• 申請日: 2020-03-09
• 公開（公告）號: CN111341443A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 王曉東;何詩銘;何鎮安
• 申請（專利權）人: 西安中科長青醫療科技研究院有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H30/20;G16H30/40;G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明涉及醫療AI技術領域。本發明公開了一種基于深度學習的超聲甲狀腺結節智能評估方法，采用自動端到端的深度學習方法，對甲狀腺超聲圖片進行識別，獲得甲狀腺結節的所有信息，除了結節位置以外，還要獲得結節的最重要的特性指標，包括成分，回聲，形狀，邊界，點狀強回聲的信息，并直觀的給出最后的評斷與建議。

技術領域

本發明屬于醫療AI技術領域，具體地涉及一種基于深度學習的超聲甲狀腺結節智能評估方法。

背景技術

甲狀腺結節是指在甲狀腺內的腫塊，可隨吞咽動作隨甲狀腺而上下移動，是臨床常見的病癥，可由多種病因引起。臨床上有多種甲狀腺疾病，如甲狀腺退行性變、炎癥、自身免疫以及新生物等都可以表現為結節。甲狀腺結節可以單發，也可以多發，多發結節比單發結節的發病率高，但單發結節甲狀腺癌的發生率較高。

對甲狀腺結節的檢查有很多種方式，其中，超聲診斷是其中一種比較常用的檢查方式，其在判別結節大小，鑒別結節部位、引導定位穿刺上很有意義。現有的超聲波診斷方式都是采用超聲波對患者的甲狀腺進行超聲波掃描形成甲狀腺超聲圖片，然后醫生對甲狀腺超聲圖片進行人工識別判斷，其存在的缺點是：診斷效率慢；醫生工作量大，且對醫生的經驗水平要求較高，因此，能勝任的醫生數量就有限，導致醫生資源緊張，且費用成本較高。

發明內容

本發明的目的在于提供一種基于深度學習的超聲甲狀腺結節智能評估方法來輔助醫生分析判斷甲狀腺結節情況，以解決上述存在的技術問題。

為實現上述目的，本發明采用的技術方案為：一種基于深度學習的超聲甲狀腺結節智能評估方法，其特征在于，包括如下步驟：

S1，對甲狀腺超聲圖片進行數據標注；

S2，對已標注的圖片進行數據增強處理；

S3，采用resnet34作為特征提取的骨干網絡對步驟S2中的數據進行特征提取；

S4，采用建議網絡RPN結合步驟S3得到的所有特征圖生成區域建議框；

S5，求得目標的邊框位置和屬于目標的分類概率；

S6，將步驟S5中分類概率PM的目標的邊框認為是有效目標，截取目標邊框，作為輸入圖片，其中，M為閾值；

S7，用ConvNet對輸入圖片進行特征提取，得到feature map；

S8，將步驟S7得到的特征作為不同任務的共享特征，分別輸入不同的任務分類函數；

S9，訓練時，設定損失函數L，每個任務的分類函數如下所示：

L＝α₁L₁+α₂L₂+α₃L₃+α₄L₄+α₅L₅

α₁，α₂…α₅對應著每個任務的權重；

L₁…L₅＝-∑t_ilny_i

y_i為輸出層softmax的值，t_i值為0或1，屬于真實目標為1，否則為0；

S10，對不同的分類進行分數統計，根據得分判斷風險等級，從而給出進一步的診療建議。

進一步的，步驟S1中，數據標注的信息包括結節位置、成分、回聲、形狀、邊界和點狀強回聲。

進一步的，步驟S2中，對數據較少的分類數據進行增強以達到數據平衡。