【技术实现步骤摘要】
一种甲状腺边界平滑度检测装置
本专利技术涉及辅助医学诊断领域，特别是涉及一种甲状腺边界平滑度检测装置。
技术介绍
甲状腺癌症是全球女性中最常见的癌症之一，女性的发病率是男性的三倍。在2018年，每20位被诊断出癌症的女性病例中就有1位是甲状腺癌。超声成像是一种用于癌症诊断的非侵入性、非辐射性且低成本的技术。然而，由于超声图像质量低，识别甲状腺和通过超声检测癌症迹象是一项艰巨的任务。近年来，卷积神经网络(CNN)显示出了出色的目标检测能力，特别是对于大规模的视觉识别任务。CNN已用于包括医学成像在内的不同的计算机视觉任务，它在特征学习中表现出强大的功能，并且能够从图像中学习具有区分性和鲁棒性的对象特征(例如线条、形状、纹理和颜色)。有许多已经开发了的用于对象分类问题的CNN模型，例如在ImageNet数据集的“大规模视觉识别挑战”(ILSVRC)的背景下设计的VGGNet。VGG模型源自于DCNN训练的约120万张带标签的图像，它包含来自ILSVRC数据集的1000个不同类别，其中该数据集中的每个单个对象均作为主体，且...
【技术保护点】
1.一种甲状腺边界平滑度检测装置，其特征在于，包括：/nTNet模型构建和训练模块：构建并训练基于卷积神经网络的VGG-19模型，调整所述VGG-19模型的最后三层结构；将所述VGG-19模型训练好的层迁移到新的卷积神经网络模型中，来构建TNet初始模型，并对所述TNet初始模型进行预训练，得到TNet模型；/n感兴趣图像获取模块：通过选取感兴趣坐标点的方式对甲状腺超声图像的甲状腺边界进行截取，得到感兴趣图像；/n甲状腺良恶性检测模块：用于将所述感兴趣图像输入到所述TNet模型中，所述TNet模型对所述感兴趣图像进行检测，并产生“随访”或“穿刺”作为输出；/n甲状腺边界平滑...
【技术特征摘要】
1.一种甲状腺边界平滑度检测装置，其特征在于，包括：
TNet模型构建和训练模块：构建并训练基于卷积神经网络的VGG-19模型，调整所述VGG-19模型的最后三层结构；将所述VGG-19模型训练好的层迁移到新的卷积神经网络模型中，来构建TNet初始模型，并对所述TNet初始模型进行预训练，得到TNet模型；
感兴趣图像获取模块：通过选取感兴趣坐标点的方式对甲状腺超声图像的甲状腺边界进行截取，得到感兴趣图像；
甲状腺良恶性检测模块：用于将所述感兴趣图像输入到所述TNet模型中，所述TNet模型对所述感兴趣图像进行检测，并产生“随访”或“穿刺”作为输出；
甲状腺边界平滑度检测模块：用于对所述感兴趣图像中的甲状腺边界进行平滑度检测，再通过构建总体平滑度函数来判断甲状腺边界的平滑度。
2.根据权利要求1所述的甲状腺边界平滑度检测装置，其特征在于，所述甲状腺边界平滑度检测模块中对所述感兴趣图像中的甲状腺边界进行平滑度检测之前，包括：通过坐标插值法以甲状腺边界为界限划分出带状区域，所述带状区域包括甲状腺内部区域和甲状腺外部区域，再将所述带状区域分割为R个子带状区域，每个所述子带状区域包括甲状腺内部子区域和甲状腺外部子区域。
3.根据权利要求2所述的甲状腺边界平滑度检测装置，其特征在于，所述甲状腺边界平滑度检测模块中对所述感兴趣图像中的甲状腺边界进行平滑度检测，包括：提取每个所述子带状区域中的甲状腺内部子区域和外部子区域的强度平均值，公式为：
其中，N表示每个子带状区域中的像素个数，I*(x,y)表示每个子带状区域中像素的强度值；
提取每个所述子带状区域中的甲状腺内部子区域和外部子区域的标准差，公式为：
其中，N表示每个子带状区域中的像素个数；
提取每个所述子带状区域中的甲状腺内部子区域和外部子区域的熵，公式为：
其中，p(x,y)表示每个子带状区域中像素值(x,y)出现的概率；
提取每个所述子带状区域中的甲状腺内部子区域和外部子区域的能量，公式为：
其中，Energy∈[0,1]，p(x,y)表示像素值(x,y)出现的概率；
根据每个所述子带状区域中提取到的强度平均值、标准差、熵和能量来构建特征向量。
4....
【专利技术属性】
技术研发人员：陈奇富，
申请(专利权)人：什维新智医疗科技上海有限公司，
类型：发明
国别省市：上海;31
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。