[發明專利]一種基于殘差膠囊網絡的甲狀腺癌超聲影像分析方法

在審

• 申請號: 202011179468.3
• 申請日: 2020-10-29
• 公開（公告）號: CN112233106A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 傅瑜;艾雄志;肖學紅;楊昂;王永華;李文生;李悅喬
• 申請（專利權）人: 電子科技大學中山學院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 中山市粵捷信知識產權代理事務所(普通合伙) 44583
• 代理人: 張謙

1.一種基于殘差膠囊網絡的甲狀腺癌超聲影像分析方法，其特征在于，包括以下具體步驟：

S1、獲取原始甲狀腺乳頭狀癌超聲圖像數據集并進行預處理，得到甲狀腺癌超聲圖像A；

S2、將得到的甲狀腺癌超聲圖像A分為甲狀腺癌超聲圖像訓練集B和甲狀腺癌超聲圖像測試集C；

S3、構建殘差膠囊網絡模型D；

S4、使用甲狀腺癌超聲圖像訓練集B對殘差膠囊網絡模型進行訓練；

S5、使用甲狀腺癌超聲圖像測試集C對殘差膠囊網絡模型進行測試，得到訓練合格的殘差膠囊網絡模型D；

S6、利用S5中得到的殘差膠囊網絡模型D對輸入的待識別甲狀腺乳頭狀癌超聲圖像進行分析和分類，得到待識別甲狀腺乳頭狀癌超聲圖像對應的超聲影像分類識別結果。

2.根據權利要求1所述的一種基于殘差膠囊網絡的甲狀腺癌超聲影像分析方法，其特征在于，殘差膠囊網絡模型D包括

輸入層，用于輸入甲狀腺乳頭狀癌超聲圖像；

卷積層，用于對輸入的甲狀腺乳頭狀癌超聲圖像采用殘差網絡進行卷積操作，并提取與輸入的甲狀腺乳頭狀癌超聲圖像對應的低級特征；

初始膠囊層，用于對提取的低級特征的向量進行儲存，并對提取的低級特征進行空間維度轉換，得到低級特征的向量的表達方式；

數字膠囊層，用于與初始膠囊層通過向量與向量的形式相連，采用動態路由算法對低級特征進行計算，得出圖像的高級特征；

輸出層，用于輸出甲狀腺乳頭狀癌超聲圖像的分類結果。

3.根據權利要求2所述的一種基于殘差膠囊網絡的甲狀腺癌超聲影像分析方法，其特征在于，初始膠囊層和數字膠囊層中的每一個膠囊均由向量表示，每個膠囊里含有物體的姿態參數和屬于該類別的概率。

4.根據權利要求2所述的一種基于殘差膠囊網絡的甲狀腺癌超聲影像分析方法，其特征在于，采用動態路由算法對低級特征進行計算是通過判斷權重值來更新初始膠囊層和數字膠囊層的關聯度，取舍該層在學習過程中所占的比例，若預測的結果與真實值相近，則增加該層的關聯值，若預測的結果與真實值相差較遠，則減少該層關聯值；其中動態路由算法具體的計算過程為：

第一步計算：其中，u_i表示的是第i層初始膠囊層的輸出，u_j|i表示的是通過計算第i層膠囊層得出第j層預測向量輸出；W_ij表示的是第i層膠囊層和第j層膠囊層之間的權重；

第二步計算：其中，c_ij表示的是相鄰膠囊層的關聯值，b_ij表示的第i層膠囊層被第j層膠囊層選擇的概率，初始狀態下，b_ij設為0；k為數字膠囊層中膠囊的總個數，j∈[1,k]；

第三步計算：

第四步計算：其中，v_j表示的是第j層膠囊層的輸出，v_j的輸出區間為[0,1]；

第五步計算非線性激活函數：并依據對b_ij進行更新；

第六步計算分類網絡模塊的損失函數：L_c＝T_cmax(0，m⁺-||v_c||)²+λ(1-T_C)max(0，||v_c||-m^-)²；其中，T_c是分類的指示函數，；c表示分類的類別，若c存在則為1，否則為0；m⁺為上邊緣，懲罰假陰性，m^-為下邊緣，懲罰假陽性；λ是比例系數。

5.根據權利要求1所述的一種基于殘差膠囊網絡的甲狀腺癌超聲影像分析方法，其特征在于，S1中原始甲狀腺乳頭狀癌超聲圖像數據集中的每一張圖像均包括形狀不規則屬性、邊界不清晰屬性、回聲不均勻屬性、鈣化屬性和正常屬性中的一個或多個。