基于超声图像的PTC诊断系统技术方案

本发明专利技术提供了一种基于超声图像的PTC诊断系统，包括：基础数据采集单元，用于获取甲状腺结节超声图像数据及其病理诊断标签，而且基于结节局部特征的轮廓自动提取方法，从超声图像数据中提取甲状腺结节的轮廓；核心算法单元，用于将已提取的结节轮廓图像和标签标注信息作为随机森林模型的输入，进行分类模型训练，并调整参数，以进行包含甲状腺结节良恶性诊断以及恶性结节转移概率的计算。

【技术实现步骤摘要】
基于超声图像的PTC诊断系统
本专利技术涉及医学影像学领域；具体地说，本专利技术涉及一种用于术前正确诊断甲状腺乳头状癌及早期判断颈部淋巴结是否转移的基于超声图像的甲状腺乳头状癌(PTC)诊断系统，其利用机器学习技术建立基于超声图像的PTC诊断和颈部转移性淋巴结预测模型。
技术介绍
医学影像学检查在现代疾病的诊疗中对临床决策起着非常重要的指导作用。随着现代医疗模式的改变，并随着肿瘤个体化治疗的发展——影像组学应运而生。其定义是利用计算机软件从医学影像中高通量地提取大量影像信息，实现肿瘤分割、特征提取与模型建立，对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的判断。相对于每位医师主观地对图像进行判读，影像组学能客观、有效地提取图像特征进行病灶分析，避免了人工误判，同时也降低了医师的工作量。国内外学者进行了影像组学的各种相关研究，结果表明影像组学方法对预测甲状腺结节恶性程度及判断PTC有无淋巴结转移方面均具有一定的价值和潜力。但是，目前鲜少有文献对影像组学在甲状腺癌的初步应用进行报道，其方法均依赖于高年资医师对病灶进行手工勾勒，具有主观性的误差同时增加了工作量。目前，应用全自动切割算法的影像组学方法并开发PTC的超声图像诊断系统及应用该系统寻找颈部淋巴结转移特征尚未见文献报道。
技术实现思路
【专利技术目的】本专利技术所要解决的技术问题是针对现有技术中存在上述缺陷，以甲状腺结节的超声图像特征为主要学习内容，应用先进的生物医学工程技术建立影像组学PTC的诊断系统，实现应用计算机诊断PTC的客观性和高效性，并在其基础上寻找有颈部淋巴结转移的PTC特征，建立颈部淋巴结转移的预测模型，计算出转移概率。【技术方案】根据本专利技术，提供了一种基于超声图像的PTC诊断系统，包括：基础数据采集单元，用于获取甲状腺结节超声图像数据及其病理诊断标签，而且基于结节局部特征的轮廓自动提取方法，从超声图像数据中提取甲状腺结节的轮廓；核心算法单元，用于将已提取的结节轮廓图像和标签标注信息作为随机森林模型的输入，进行分类模型训练，并调整参数，以进行包含甲状腺结节良恶性诊断以及恶性结节转移概率的计算。优选地，基础数据采集单元采用自动切割算法对图像中的每个像素点进行无监督自动分类，以将图像分成结节区域和非结节区域。优选地，基础数据采集单元将图像中的每个像素点的局部信息作为分类依据。优选地，基础数据采集单元在基于结节局部特征的轮廓自动提取方法从超声图像数据中提取甲状腺结节的轮廓时执行下述处理：采用多种卷积核获得甲状腺超声图像的多层图像；其中，卷积核指图像处理时，给定输入图像，使输入图像中一个区域像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数即为卷积核；将多层图像叠成一个n层的3D图像，n大于等于2，然后对每个像素点画出一个3*3的方框区域，并将方框区域的3*3*n进行求平均得到向量V，获得图像的局部结构；通过V*V^T，在每个像素点上获得协方差矩阵，并将协方差矩阵投影到黎曼空间当中；在黎曼空间中采用基于黎曼距离的k-means聚类算法，对每个像素点进行分类，最终得到分割结果，将区域划分出来。优选地，在对方框区域的3*3*n进行求平均，获得图像局部结构的过程中，其公式为：其中，n为3D图像的层数，ai为单个像素点向量。优选地，在对像素点进行分类的过程中，k-means聚类算法要优化的目标函数为：其中，N为像素点的个数，K为聚类个数或簇数，rnk在像素点n被归类到簇K的时候为1，否则为0，μk为第K个簇的中心。进一步优选地，通过迭代最小化J，其中先固定μk，以选择相应的rnk作为最优；下一步则固定被选为最优的rnk，再求相应的μk；得到的J在最小的时候应该满足：优选地，在提取了甲状腺结节的轮廓后，将轮廓投影到协方差矩阵。优选地，核心算法单元将提取到的结节轮廓图像及多层卷积后的图像进行协方差变换，作为随机森林模型的输入。优选地，核心算法单元根据确诊恶性的结节周围的图像灰度分布以及患者身体指标，利用随机游走算法进行计算，以判断恶性结节是否发生转移以及转移到各个方向的概率。优选地，在随机森林算法中的决策树利用特征来分类进而确定特征选取顺序的过程中，类xi的信息定义如下：I(X＝xi)＝-log2p(xi)；其中，I(X)用来表示随机变量的信息，p(xi)是指当xi发生时的概率。【有益效果】本专利技术应用生物医学工程和影像组学的交叉方法，开发基于超声图像的PTC诊断系统及颈部淋巴结转移的预测模型，使PTC及转移性淋巴结的诊断更具客观性，诊断速度更快，检测结果更准确。此外，在算法方面，与前人的算法不同，本专利技术应用先进的生物医学工程技术，对甲状腺结节的超声图像设计出全新的自动分割算法，对结节进行局部特征轮廓的自动提取。为了弥补常规超声检查对早期颈部转移性淋巴结的低诊断率，本专利技术应用计算机寻找PTC的超声图像特征预测颈部淋巴结转移的可能性，并对转移概率进行计算，为下一步临床治疗工作提供更坚实可靠的依据。附图说明结合附图，并通过参考下面的详细描述，将会更容易地对本专利技术有更完整的理解并且更容易地理解其伴随的优点和特征，其中：图1示意性地示出了根据本专利技术优选实施例的基于超声图像的PTC诊断系统的系统框图。图2示意性地示出了根据本专利技术优选实施例的基于超声图像的基于随机森林的集成识别算法示意图。图3示意性地示出了根据本专利技术优选实施例的基于超声图像的PTC诊断系统的基于随机游走的恶性结节转移概率计算示意图。需要说明的是，附图用于说明本专利技术，而非限制本专利技术。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。具体实施方式为了使本专利技术的内容更加清楚和易懂，下面结合具体实施例和附图对本专利技术的内容进行详细描述。图1示意性地示出了根据本专利技术优选实施例的基于超声图像的PTC诊断系统的系统框图。如图1所示，根据本专利技术优选实施例的基于超声图像的PTC诊断系统包括：基础数据采集单元10，用于获取甲状腺结节超声图像数据及其病理诊断标签，而且基于结节局部特征的轮廓自动提取方法从超声图像数据中提取甲状腺结节的轮廓。该基础数据采集单元10采集高质量甲状腺结节超声图像。例如，病理诊断标签是病理所证实的关于良性还是恶性的精细诊断标签，而且可确定结点的病理结果作为可靠标签标注方案。该基础数据采集单元10采集一批高质量图像数据作为样本，供离线模型设计。优选地，在甲状腺结节超声图像采集过程中，观察结节的部位、边界、边缘、内部成分、内部回声及纵横比、钙化类型、后方回声等情况。进一步优选地，用彩色多普勒超声观察目标结节的血流信号情况，留取结节纵切面或横切面图像一帧，并留取一张纵切面或横切面的彩色血流图，至少两帧图像采集至P本文档来自技高网...

【技术保护点】
1.一种基于超声图像的PTC诊断系统，其特征在于包括：/n基础数据采集单元，用于获取甲状腺结节超声图像数据及其病理诊断标签，而且基于结节局部特征的轮廓自动提取方法，从超声图像数据中提取甲状腺结节的轮廓；/n核心算法单元，用于将已提取的结节轮廓图像和标签标注信息作为随机森林模型的输入，进行分类模型训练，并调整参数，以进行包含甲状腺结节良恶性诊断以及恶性结节转移概率的计算。/n

【技术特征摘要】
1.一种基于超声图像的PTC诊断系统，其特征在于包括：
基础数据采集单元，用于获取甲状腺结节超声图像数据及其病理诊断标签，而且基于结节局部特征的轮廓自动提取方法，从超声图像数据中提取甲状腺结节的轮廓；
核心算法单元，用于将已提取的结节轮廓图像和标签标注信息作为随机森林模型的输入，进行分类模型训练，并调整参数，以进行包含甲状腺结节良恶性诊断以及恶性结节转移概率的计算。


2.根据权利要求1所述的基于超声图像的PTC诊断系统，其特征在于，基础数据采集单元采用自动切割算法对图像中的每个像素点进行无监督自动分类，以将图像分成结节区域和非结节区域；而且基础数据采集单元将图像中的每个像素点的局部信息作为分类依据。


3.根据权利要求1或2所述的基于超声图像的PTC诊断系统，其特征在于，基础数据采集单元在基于结节局部特征的轮廓自动提取方法从超声图像数据中提取甲状腺结节的轮廓时执行下述处理：
采用多种卷积核获得甲状腺超声图像的多层图像；其中，卷积核指图像处理时，给定输入图像，使输入图像中一个区域像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数即为卷积核；
将多层图像叠成一个n层的3D图像，n大于等于2，然后对每个像素点画出一个3*3的方框区域，并将方框区域的3*3*n进行求平均得到向量V，获得图像的局部结构；
通过V*V^T，在每个像素点上获得协方差矩阵，并将协方差矩阵投影到黎曼空间当中；
在黎曼空间中采用基于黎曼距离的k-means聚类算法，对每个像素点进行分类，最终得到分割结果，将区域划分出来。


4.根据权利要求1或2所述的基于超声图像的PTC诊断系统，其特征在于，在对方框区...

【专利技术属性】
技术研发人员：谢小峰，景香香，何珂，刘丽莉，余海涛，
申请(专利权)人：海南大学，海南省人民医院，
类型：发明
国别省市：海南;46