甲状腺结节分析方法、装置、计算机设备及可读存储介质制造方法及图纸

本发明专利技术适用于计算机领域，提供了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；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基于神经网络算法训练生成。本发明专利技术实施例提供的甲状腺结节分析方法，直接根据用户输入的相关信息即可直接输出诊断结果，诊断过程方便快捷，且诊断过程中使用的基于随机森林算法或者基于神经网络算法训练生成的甲状腺结节分析模型，有效保证了诊断结果的准确率。

Analytical methods, devices, computer equipment and readable storage media for thyroid nodules

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、实时组织弹性成像以及颈部淋巴结状态等；甲状腺结节恶性风险输出单元，用于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计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述的甲状腺结节分析方法的步骤。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述的甲状腺结节分析方法的步骤。本专利技术实施例提供的甲状腺结节分析方法，通过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，并根据接收的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直接确定用户甲状腺结节恶性风险并输出。本专利技术实施例提供的甲状腺结节分析方法，直接用户输入相应的信息即可直接输出诊断结果，诊断过程十分方便快捷，并且诊断过程中使用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，具有较高的稳定性，有效的保证了输出的甲状腺结节风险的准确率。附图说明图1为本专利技术实施例提供的一种甲状腺结节分析方法的步骤流程图；图1(a)为本专利技术实施例提供的一种甲状腺结节分析参数输入界面；图2为本专利技术实施例提供的一种训练生成基于随机森林的甲状腺结节分析模型的方法的步骤流程图；图3为本专利技术另一种实施例提供的训练生成基于随机森林的甲状腺结节分析模型的方法的步骤流程图；图4为本专利技术实施例提供的生成甲状腺结节分析决策树的步骤流程图；图5为本专利技术实施例提供的一种训练生成基于神经网络算法的甲状腺结节分析模型的方法的步骤流程图；图6为本专利技术实施例提供的一种甲状腺结节分析装置的结构示意图；图7为本专利技术另一种实施例提供的甲状腺结节分析装置的结构示意图；图8为本专利技术另一种实施例提供的随机森林算法训练单元的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例提供的甲状腺结节分析方法，基于大数据与人工智能学习算法，通过采集2064个来自暨南大学第一附属医院的甲状腺病例实验数据作为样本，基于人工智能学习算法训练生成稳定性强、准确率高的甲状腺结节分析模型，使得后续再进行甲状腺结节诊断时，能够根据用户输入的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直接确定并输入用户的甲状腺结节恶性风险，有效地提高了甲状腺结节诊断的效率以及准确率。图1为本专利技术实施例提供的一种甲状腺结节分析方法的步骤流程图，详述如下。步骤S101，接收用户输入的甲状腺结节分析参数。在本专利技术实施例中，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，所述用户基本信息包括用户性别以及年龄，所述甲状腺基本信息包括甲状腺回声、内部组成、纵横比、钙化、实时组织弹性呈像以及颈部淋巴结信息，结合下述图4的相关内容可知，上述所列出的甲状腺基本信息的经验熵相对较大。作为本专利技术的一个优选实施例，为进一步提高甲状腺结节分析方法诊断甲状腺疾病的准确率，所述甲状腺基本信息还包括甲状腺结节大小、边界、形状、彩色多普勒血流信号、甲状腺包膜信息、声晕信息以及既往甲状腺疾病信息，结合下述图4的相关内容可知，上述所列出的甲状腺基本信息的经验熵相对较小。在本专利技术实施例中，所述用户可以通过相应的页面直接输入所述甲状腺结节分析参数，对于甲状腺基本信息的选择项已在所述页面展示，例如，一种可行的甲状腺结节分析参数输入界面请参阅图1(a)。步骤S102，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。在本专利技术实施例中，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。在本专利技术实施例中，基于人工智能学习能够迅速对疾病进行精确的诊断。在本专利技术实施例中，无论是基于随机森林算法还是基于神经网络算法训练生成甲状腺结节分析模型都需要采集大量的样本实验数据，样本实验数据越丰富，训练生成的甲状腺结节分析模型稳定性越强、准确率也越高。其中，本专利技术实施例提供的甲状腺结节分析模型中，训练生成甲状腺结节分析模型所使用的样本数据是通过采集的2064个来自暨南大学第一附属医院的甲状腺病例实验数据分析获取的。在本专利技术实施例中，所述甲状腺结节分析方法对甲状腺疾病诊断的准确率接近90％。在本专利技术实施例中，训练生成基于随机森林的甲状腺结节分析模型的流程示意图请参阅图2～图4及其解释说明。本专利技术实施例提供的甲状腺结节分析方法，通过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，并根据接收的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直接确定用户甲状腺结节恶性风险并输出。本专利技术实施例提供的甲状腺结节分析方法，直接用户输入相应的信息即可直接输出诊断结果，诊断过程十分方便快捷，并且诊断过程中使用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，具有较高的稳定性，有效的保证了输出的甲状腺结节恶性风险的准确率。图1(a)为本专利技术实施例提供的一种甲状腺结节分析参数输入界面。在本专利技术实施例中，对于每一种甲状腺结节分析参数，界面已展示相应的选择项，用户直接根据需求点击相应选择项即可。图2为本专利技术实施例提供的一种训练生成基本文档来自技高网...

【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