[發明專利]一種基于特征解耦的超聲圖像甲狀腺結節分類方法

在審

• 申請號: 202210037158.0
• 申請日: 2022-01-13
• 公開（公告）號: CN114398979A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 馬步云;趙世軒;李永杰;陳楊
• 申請（專利權）人: 四川大學華西醫院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06V10/82;G06T7/00;G16H50/20;G06N3/04;G06N3/08
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 周永宏

1.一種基于特征解耦的超聲圖像甲狀腺結節分類方法，其特征在于，建立局部/全局特征解耦網絡，通過該局部/全局特征解耦網絡對甲狀腺超聲圖像進行甲狀腺結節的分類；

所述局部/全局特征解耦網絡結構包括兩條通路，第一條通路輸出甲狀腺結節的分類結果；第一條通路采用ImageNet預訓練好的ResNet-18模型作為主干，其包括四個TAD模塊和四個殘差模塊，四個TAD模塊和四個殘差模塊交叉設置，其中TAD模塊用于將特征圖解耦為組織信息和解剖信息，TAD模塊解耦得到的組織信息和解剖信息通過Concatenate拼接融合得到影像學表現，將影像學表現輸入殘差模塊進行特征提取；

第二條通路輸出甲狀腺結節的分割結果；第二條通路包括四個解碼器，并以第一條通路中的第四個殘差塊的輸出作為第一個解碼器的輸入，四個解碼器還通過跳躍連接四個TAD模塊。

2.根據權利要求1所述的一種基于特征解耦的超聲圖像甲狀腺結節分類方法，其特征在于，所述組織信息為含有局部特征線索的信息，具體的：

從步驟S2處理后的甲狀腺超聲圖像中提取到的圖像特征，得到特征圖；

將特征圖的所有像素按行展開，得到兩個長度相同、位置配對的像素集合key和query：

通過對兩個像素集合key和query進行白化后自注意的計算，捕獲特征的長距離依賴關系，生成甲狀腺圖像中各種組織信息的注意圖；

使用門控單元V^g＝σ(g_j)進行篩選，得到聚焦結節的組織信息。

3.根據權利要求2所述的一種基于特征解耦的超聲圖像甲狀腺結節分類方法，其特征在于，解剖信息為含有全局特征線索的信息，具體的：通過設置權重矩陣W_m，所述權重矩陣W_m不與key的權重矩陣共享，特征圖的像素根據權重矩陣W_m加權得到解剖信息。

4.根據權利要求3所述的一種基于特征解耦的超聲圖像甲狀腺結節分類方法，其特征在于，TAD模塊用于將特征圖解耦為組織信息和解剖信息，計算式為：

其中，x表示輸入特征，y表示TAD模塊的輸出特征，i和j表示特征位置索引；ω^G(x_i，x_j)表示測量x_i和x_j嵌入相似度的函數，表示softmax函數，ρ(·)表示ReLU激活函數，σ(·)表示sigmoid激活函數，q_i＝W_qx_i，k_j＝W_kx_j，v_j＝W_vx_j，g_j＝W_gx_j，m_j＝W_mx_j，W_q，W_k，W_v，W_g，W_m是要學習的權重矩陣。

5.根據權利要求4所述的一種基于特征解耦的超聲圖像甲狀腺結節分類方法，其特征在于，四個解碼器還通過跳躍連接四個TAD模塊，根據TAD模塊輸出的組織信息約束甲狀腺結節的位置。

6.根據權利要求5所述的一種基于特征解耦的超聲圖像甲狀腺結節分類方法，其特征在于，當局部/全局特征解耦網絡訓練時，該網絡輸出結果與真實值計算損失，根據損失函數的梯度優化網絡參數；所述損失函數包含分類損失與分割損失兩部分，計算方式如下：

其中，代表二值交叉熵損失，代表交并比損失，y代表類別標簽，代表預測類別結果，Y表示分割的真實標簽，表示預測的分割結果，N為訓練批大小，λ為超參數。

7.根據權利要求6所述的一種基于特征解耦的超聲圖像甲狀腺結節分類方法，其特征在于，所述甲狀腺超聲圖像的采集過程為：使用探頭對患者的甲狀腺部位進行連續滑動和掃描，并將病變最大部分的圖像保存到數據庫中。