[發明專利]基于超聲圖像的PTC診斷系統

在審

• 申請號: 202010806916.1
• 申請日: 2020-08-12
• 公開（公告）號: CN112102343A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 謝小峰;景香香;何珂;劉麗莉;余海濤
• 申請（專利權）人: 海南大學;海南省人民醫院
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/11;G06T7/00;G06Q10/04;A61B8/08;A61B8/00
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 鄒仕娟

1.一種基于超聲圖像的PTC診斷系統，其特征在于包括：

基礎數據采集單元，用于獲取甲狀腺結節超聲圖像數據及其病理診斷標簽，而且基于結節局部特征的輪廓自動提取方法，從超聲圖像數據中提取甲狀腺結節的輪廓；

核心算法單元，用于將已提取的結節輪廓圖像和標簽標注信息作為隨機森林模型的輸入，進行分類模型訓練，并調整參數，以進行包含甲狀腺結節良惡性診斷以及惡性結節轉移概率的計算。

2.根據權利要求1所述的基于超聲圖像的PTC診斷系統，其特征在于，基礎數據采集單元采用自動切割算法對圖像中的每個像素點進行無監督自動分類，以將圖像分成結節區域和非結節區域；而且基礎數據采集單元將圖像中的每個像素點的局部信息作為分類依據。

3.根據權利要求1或2所述的基于超聲圖像的PTC診斷系統，其特征在于，基礎數據采集單元在基于結節局部特征的輪廓自動提取方法從超聲圖像數據中提取甲狀腺結節的輪廓時執行下述處理：

采用多種卷積核獲得甲狀腺超聲圖像的多層圖像；其中，卷積核指圖像處理時，給定輸入圖像，使輸入圖像中一個區域像素加權平均后成為輸出圖像中的每個對應像素，其中權值由一個函數定義，這個函數即為卷積核；

將多層圖像疊成一個n層的3D圖像，n大于等于2，然后對每個像素點畫出一個3*3的方框區域，并將方框區域的3*3*n進行求平均得到向量V，獲得圖像的局部結構；

通過V*V^T，在每個像素點上獲得協方差矩陣，并將協方差矩陣投影到黎曼空間當中；

在黎曼空間中采用基于黎曼距離的k-means聚類算法，對每個像素點進行分類，最終得到分割結果，將區域劃分出來。

4.根據權利要求1或2所述的基于超聲圖像的PTC診斷系統，其特征在于，在對方框區域的3*3*n進行求平均，獲得圖像局部結構的過程中，其公式為：

其中，n為3D圖像的層數，a_i為單個像素點向量。

優選地，在對像素點進行分類的過程中，k-means聚類算法要優化的目標函數為：

其中，N為像素點的個數，K為聚類個數或簇數，r_nk在像素點n被歸類到簇K的時候為1，否則為0，μ_k為第K個簇的中心。

5.根據權利要求1或2所述的基于超聲圖像的PTC診斷系統，其特征在于，通過迭代最小化J，其中先固定μ_k，以選擇相應的r_nk作為最優；下一步則固定被選為最優的r_nk，再求相應的μ_k；得到的J在最小的時候應該滿足：

6.根據權利要求1或2所述的基于超聲圖像的PTC診斷系統，其特征在于，在提取了甲狀腺結節的輪廓后，將輪廓投影到協方差矩陣。

7.根據權利要求1或2所述的基于超聲圖像的PTC診斷系統，其特征在于，核心算法單元將提取到的結節輪廓圖像及多層卷積后的圖像進行協方差變換，作為隨機森林模型的輸入。

8.根據權利要求1或2所述的基于超聲圖像的PTC診斷系統，其特征在于，核心算法單元根據確診惡性的結節周圍的圖像灰度分布以及患者身體指標，利用隨機游走算法進行計算，以判斷惡性結節是否發生轉移以及轉移到各個方向的概率。

9.根據權利要求1或2所述的基于超聲圖像的PTC診斷系統，其特征在于，在隨機森林算法中的決策樹利用特征來分類進而確定特征選取順序的過程中，類x_i的信息定義如下：

I(X＝x_i)＝-log₂p(x_i)；

其中，I(X)用來表示隨機變量的信息，p(x_i)是指當x_i發生時的概率。