买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明属于医学图像处理及计算机辅助疾病诊断领域，具体涉及一种滤泡状甲状腺结节超声图像的良恶性自动辅助识别系统。包括以下步骤：搜集滤泡状甲状腺结节超声图像和病理报告，构建数据库；基于卷积神经网络对超声图像进行自动分割，得到超声甲状腺结节ROI区域，并将超声甲状腺结节ROI图像与其对应的纹理特征增强图像沿通道轴堆叠融合形成增强后ROI图像，将增强后ROI图像作为对滤泡状结节图像进行良恶性分类的知识驱动型分类网络的输入图像；知识驱动型分类网络由多个经典卷积神经网络并联集成的知识指导模块和胶囊网络并联构成；本发明实现了对滤泡状甲状腺结节良恶性分类的计算机辅助诊断系统，为临床诊断提供了客观参考意见。

主权项：1.滤泡状甲状腺结节超声图像的良恶性自动辅助识别系统，其特征在于，包括以下步骤：步骤一：由超声医师通过医用超声设备采集滤泡状甲状腺结节患者的超声图像，并收集对应的病理报告。由超声医师对超声图像中的甲状腺结节区域进行标注，构建滤泡状甲状腺结节超声图像数据集。步骤二：基于卷积神经网络结构对步骤一中滤泡状甲状腺结节超声图像数据集的甲状腺结节图像实现自动分割，得到超声图像中感兴趣区域RegionofInterest,ROI，即甲状腺结节ROI区域；利用局部二值模式生成甲状腺结节ROI图像所对应的局部二值模式图像，利用离散小波变换生成甲状腺结节ROI所对应的离散小波变换图像，并将超声甲状腺结节ROI图像与其对应的局部二值模式图像和离散小波变换图像沿通道轴堆叠融合形成增强后ROI图像，实现数据增强与特征融合。步骤三：基于经过步骤二所获得的增强后ROI图像训练知识指导模块，首先选择KK≤10个在ImageNet上经过预训练且分类准确率、敏感性、特异性、F1-score和AUC等分类性能表现良好的网络作为构建知识指导模块的备选网络，然后分别在增强后ROI图像上进行训练、验证与测试，最后综合甲状腺结节分类准确率、敏感性、特异性、F1-score和AUC这五个评价指标，选择综合分类性能排名靠前的NN≤5个网络进行并联集成，将N个网络所提取的特征串联融合，并利用自注意力机制调整N个网络的权值，完成知识指导模块的构建。步骤四：基于经过步骤二所获得的增强后ROI图像训练知识驱动型分类网络，实现滤泡状甲状腺结节超声图像的良恶性自动分类，知识驱动型分类网络由胶囊网络和步骤三中的知识指导模块并联构成，通过胶囊网络获得甲状腺结节图像不同特征之间的相对位置关系，更好实现对滤泡状甲状腺结节的特征提取，并将由胶囊网络所获得的包含相对位置关系的滤泡状甲状腺结节图像特征与步骤三中知识指导模块提取的甲状腺结节特征进行串联融合，经过密集层处理，获得滤泡状甲状腺结节超声图像良恶性自动辅助识别系统的甲状腺结节分类结果。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种滤泡状甲状腺结节超声图像的良恶性自动辅助识别系统