[發明專利]超聲甲狀腺結節樣例豐富及良惡性自動輔助識別系統

在審

• 申請號: 202110556851.4
• 申請日: 2021-05-21
• 公開（公告）號: CN113314215A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 王睿;周昊源;周萌;付鵬;白洋
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/04;G06N3/08;G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于醫學圖像處理以及計算機輔助疾病診斷領域，具體涉及一種超聲甲狀腺結節樣例豐富及良惡性自動輔助識別系統。包括以下步驟：搜集甲狀腺結節超聲原始圖像和病理報告，構建甲狀腺結節數據庫；基于UNet網絡結構對超聲圖像進行分割；基于條件變分自編碼機由原始超聲圖像自動生成衍生超聲圖像，有效地豐富超聲樣本數據；基于SE?ResNet50的網絡結構對結節進行特征提取，結合超聲診斷甲狀腺結節的內外部回聲、縱橫比、邊界邊緣等臨床特征，使用三分支多特征卷積神經網絡，對結節進行良惡性自動分類。本發明能夠有效豐富超聲圖像，改善醫學數據庫中存在的類別不平衡問題，實現了對超聲甲狀腺結節全自動分割及良惡性分類的計算機輔助診斷系統，為臨床診斷提供了第二客觀參考。

技術領域

本發明屬于醫學圖像處理以及計算機輔助疾病診斷領域，具體涉及一種超聲甲狀腺結節樣例豐富及良惡性自動輔助識別系統。

背景技術

甲狀腺結節指影像上發現的甲狀腺局灶性病變，常出現在多種甲狀腺疾病中。研究顯示，高分辨率超聲可在19％-68％的隨機人群中檢測出甲狀腺結節，其中惡性結節即甲狀腺癌患病率約為7％-15％。鑒別甲狀腺結節的良惡性始終是臨床關注的焦點。

超聲是甲狀腺結節在臨床應用中最常用的檢查方法，它具有安全、無創、價格低等優點。良性與惡性的甲狀腺結節在超聲圖像中存在不同的特征表現，諸如內外部回聲、縱橫比、邊界邊緣、有無囊性變等特征。但超聲圖像易受到斑點噪聲和回聲擾動的影響，較難區分結節的邊界。同時，甲狀腺結節良惡性的診斷依賴于超聲科醫生的專業知識和臨床經驗，診斷結果受醫生主觀性影響較大。因此，基于計算機輔助技術的甲狀腺超聲圖像結節分割和分類系統具有實際應用價值。

近年來，隨著深度學習的快速發展，深度卷積神經網絡被廣泛應用到醫學圖像處理中，但深度學習網絡的訓練需要大量樣本數據。然而臨床醫學圖像的收集和標注費時費力，數據整理任務繁復，公開數據集的數量相對較少，同時醫學數據庫中常見類別不平衡等問題。

本發明提出超聲甲狀腺結節樣例豐富及良惡性自動輔助識別系統，該系統對甲狀腺超聲圖像結節區域進行自動分割；對甲狀腺結節樣例進行豐富，改善類別不平衡問題；并對甲狀腺結節的良惡性進行自動分類。利用計算機輔助醫生診斷，能夠有效提高醫生診斷準確率及效率，具有實際應用價值。

發明內容

本發明為解決現存的技術問題，提出一種超聲甲狀腺結節樣例豐富及良惡性自動輔助識別系統。本發明采用基于UNet網絡結構實現了甲狀腺結節的自動分割；采用條件變分自編碼機(Conditional Variational Auto Decoder,CVAE)來生成超聲圖像，有效地豐富超聲樣本數據；采用基于SE-ResNet50網絡結構對結節進行特征提取，結合超聲診斷甲狀腺結節的內外部回聲、縱橫比、邊界邊緣等臨床特征，使用三分支多特征卷積神經網絡，對結節進行良惡性自動分類。

為實現上述目的，本發明提供了如下方案：

超聲甲狀腺結節樣例豐富及良惡性自動輔助識別系統，包括以下步驟：

步驟一：收集甲狀腺結節患者的超聲原始圖像及其對應的病理報告，并對超聲圖像甲狀腺結節區域進行標注，構建超聲甲狀腺結節數據庫；

步驟二：基于UNet網絡結構實現對步驟一中超聲甲狀腺結節圖像的自動分割，得到超聲圖像ROI區域。

步驟三：基于條件變分自編碼機來生成超聲圖像，擬合步驟二甲狀腺結節分割后圖像的條件概率分布，豐富步驟四分類網絡訓練所需的良性超聲圖像樣本數據。

步驟四：基于SE-ResNet50網絡結構對甲狀腺結節進行特征提取，結合超聲診斷甲狀腺結節內外部回聲、縱橫比、邊界邊緣等臨床特征對步驟二的輸出圖像進行處理，將處理后的圖像作為訓練甲狀腺結節分類網絡的輸入圖像，并對三分支多特征卷積神經網絡進行驗證及測試，實現對甲狀腺結節的良惡性自動分類。

所述步驟一中包括如下步驟：