[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

本發明提供了一種基于超聲圖像的PTC診斷系統，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。

技術領域

本發明涉及醫學影像學領域；具體地說，本發明涉及一種用于術前正確診斷甲狀腺乳頭狀癌及早期判斷頸部淋巴結是否轉移的基于超聲圖像的甲狀腺乳頭狀癌(PTC)診斷系統，其利用機器學習技術建立基于超聲圖像的PTC診斷和頸部轉移性淋巴結預測模型。

背景技術

醫學影像學檢查在現代疾病的診療中對臨床決策起著非常重要的指導作用。隨著現代醫療模式的改變，并隨著腫瘤個體化治療的發展——影像組學應運而生。其定義是利用計算機軟件從醫學影像中高通量地提取大量影像信息，實現腫瘤分割、特征提取與模型建立，對海量影像數據信息進行更深層次的挖掘、預測和分析來輔助醫師做出最準確的判斷。相對于每位醫師主觀地對圖像進行判讀，影像組學能客觀、有效地提取圖像特征進行病灶分析，避免了人工誤判，同時也降低了醫師的工作量。

國內外學者進行了影像組學的各種相關研究，結果表明影像組學方法對預測甲狀腺結節惡性程度及判斷PTC有無淋巴結轉移方面均具有一定的價值和潛力。但是，目前鮮少有文獻對影像組學在甲狀腺癌的初步應用進行報道，其方法均依賴于高年資醫師對病灶進行手工勾勒，具有主觀性的誤差同時增加了工作量。

目前，應用全自動切割算法的影像組學方法并開發PTC的超聲圖像診斷系統及應用該系統尋找頸部淋巴結轉移特征尚未見文獻報道。

發明內容

【發明目的】

本發明所要解決的技術問題是針對現有技術中存在上述缺陷，以甲狀腺結節的超聲圖像特征為主要學習內容，應用先進的生物醫學工程技術建立影像組學PTC的診斷系統，實現應用計算機診斷PTC的客觀性和高效性，并在其基礎上尋找有頸部淋巴結轉移的PTC特征，建立頸部淋巴結轉移的預測模型，計算出轉移概率。

【技術方案】

根據本發明，提供了一種基于超聲圖像的PTC診斷系統，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。

優選地，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。

優選地，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。

優選地，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。