The present invention is applicable to the computer field and provides a thyroid nodule analysis method. The method includes: receiving the user input thyroid nodule analysis parameters, the thyroid nodule analysis parameters include user basic information and thyroid basic information; determining the user's thyroid according to the thyroid nodule analysis parameters and the thyroid nodule analysis model generated by training. The malignant risk of nodules is output. The thyroid nodule analysis model generated by the training is based on random forest algorithm or neural network algorithm training. The thyroid nodule analysis method provided in the embodiment of the present invention can directly output the diagnosis results according to the relevant information input by the user, and the diagnosis process is convenient and fast. The thyroid nodule analysis model generated by training based on random forest algorithm or neural network algorithm is used in the diagnosis process, which effectively ensures the accuracy of the diagnosis results.
【技术实现步骤摘要】
甲状腺结节分析方法、装置、计算机设备及可读存储介质
本专利技术涉及计算机领域,特别是涉及一种甲状腺结节分析方法、装置、计算机设备及可读存储介质。
技术介绍
甲状腺是颈部的内分泌腺,由两个由峡部连接的叶片组成,甲状腺能够分泌甲状腺激素,主要影响代谢率和蛋白质合成,甲状腺也能够产生降钙素激素,在钙稳态中起着重要的作用。而现有技术中对甲状腺疾病的诊断,由于缺乏功能完善的甲状腺检测装置,导致诊断过程十分费时费力,通常需要经验丰富的医生去判断,准确性受机器设备及经验影响较大。可见,现有技术中对甲状腺疾病的诊断方法还存在着费时费力,诊断结果不够准确的技术问题。
技术实现思路
本专利技术实施例提供一种甲状腺结节分析方法,旨在解决上述
技术介绍
中提到的现有技术对甲状腺疾病的诊断中还存在的过程费时费力、结果不够准确的技术问题。本专利技术实施例提供一种甲状腺结节分析方法,所述方法包括:接收用户输入的甲状腺结节分析参数,所述甲状腺结节分析参数包括用户基本信息以及甲状腺基本信息,所述甲状腺基本信息包括甲状腺回声、内部成分、纵横比、钙化、实时组织弹性成像以及颈部淋巴结状态等;根据所述甲状腺结节分析参数以及训练生成的甲状腺结节分析模型确定用户甲状腺结节恶性风险并输出,所述训练生成的甲状腺结节分析模型是基于随机森林算法或者基于神经网络算法训练生成。本专利技术实施例还提供一种甲状腺结节分析装置,包括:甲状腺结节分析参数接收单元,用于接收用户输入的甲状腺结节分析参数,所述甲状腺结节分析参数包括用户基本信息以及甲状腺基本信息,所述甲状腺基本信息包括甲状腺回声、内部成分、纵横比、钙化、实时组织弹性成 ...
【技术保护点】
1.一种甲状腺结节分析方法,其特征在于,所述方法包括:接收用户输入的甲状腺结节分析参数,所述甲状腺结节分析参数包括用户基本信息以及甲状腺基本信息,所述甲状腺基本信息包括甲状腺回声、内部成分、纵横比、钙化、实时弹性成像以及颈部淋巴结状态等;根据所述甲状腺结节分析参数以及训练生成的甲状腺结节分析模型确定用户甲状腺结节恶性风险并输出,所述训练生成的甲状腺结节分析模型是基于随机森林算法或者基于神经网络算法训练生成。
【技术特征摘要】
1.一种甲状腺结节分析方法,其特征在于,所述方法包括:接收用户输入的甲状腺结节分析参数,所述甲状腺结节分析参数包括用户基本信息以及甲状腺基本信息,所述甲状腺基本信息包括甲状腺回声、内部成分、纵横比、钙化、实时弹性成像以及颈部淋巴结状态等;根据所述甲状腺结节分析参数以及训练生成的甲状腺结节分析模型确定用户甲状腺结节恶性风险并输出,所述训练生成的甲状腺结节分析模型是基于随机森林算法或者基于神经网络算法训练生成。2.根据权利要求1所述的甲状腺结节分析方法,其特征在于,所述甲状腺结节分析模型是基于随机森林算法训练生成,训练生成所述甲状腺结节分析模型的步骤,具体包括:获取多个甲状腺结节分析训练样本以及与所述甲状腺结节分析训练样本对应的甲状腺结节恶性风险;根据所述多个甲状腺结节分析训练样本并按照预设的规则生成多个甲状腺结节分析训练样本集合,所述甲状腺结节分析训练样本集合中包括预设的数量的甲状腺结节分析训练样本;根据所述第一甲状腺结节分析训练样本集合中的甲状腺结节分析训练样本训练生成第一甲状腺结节分析决策树;将多个甲状腺结节分析决策树组合生成基于随机森林算法的甲状腺结节分析模型。3.根据权利要求2所述的甲状腺结节分析方法,其特征在于,在所述根据所述第一甲状腺结节分析训练样本集合中的甲状腺结节分析训练样本训练生成第一甲状腺结节分析决策树的步骤之后,还包括:获取多个甲状腺结节分析测试样本以及与所述甲状腺结节分析测试样本对应的甲状腺结节恶性风险;根据所述多个甲状腺结节分析测试样本以及对应的甲状腺结节恶性风险计算第一甲状腺结节分析决策树的准确率;根据所述第一甲状腺结节分析决策树的准确率确定第一甲状腺结节分析决策树的权重;所述将多个甲状腺结节分析决策树组合生成甲状腺结节分析模型的步骤具体为:根据多个甲状腺结节分析决策树以及与所述甲状腺结节分析决策树相应的权重组合生成甲状腺结节分析模型。4.根据权利要求2所述的甲状腺结节分析方法,其特征在于,所述根据所述第一甲状腺结节分析训练样本集合中的甲状腺结节分析训练样本训练生成第一甲状腺结节分析决策树的步骤,具体包括:计算第一甲状腺结节分析训练样本集合中各甲状腺结节分析参数的经验熵,所述经验熵用于表示甲状腺结节分析参数对甲状腺结节分析过程的影响因子;根据所述经验熵将选取多个甲状腺结节分析参数;根据所述选取的多个甲状腺结节分析参数确定第一甲状腺结节分析决策树。5.根据权利要求1所述的甲状腺结节分析方法,其特征在于,所述甲状腺结节分析模型是基于神经网络算法训练生成,训练生成所述甲状腺结节分析模型的步骤,具体包括:获取多个甲状腺结节分析训练样本以及与所述甲状腺结节分析训练样本对应的甲状腺结节恶性风险;基于神经网络模型建立含有可变参数的初始化甲状腺结节分析模型;根据所述第一甲状腺结节分析训练样本以及所述甲状腺结节分析模型确定与所述第一甲状腺结节分析训练样本对应的甲状腺结节响应风险;根据与所述第一甲状腺结节分析训练样本对应的甲状腺结节响应风险以及甲状腺结节...
【专利技术属性】
技术研发人员:张水兴,张斌,张璐,黄文慧,莫笑开,陈秋颖,方进,
申请(专利权)人:暨南大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。