【技术实现步骤摘要】
一种基于神经网络的甲状腺CT图像结节自动诊断系统
本专利技术涉及医学图像处理领域，尤其是涉及一种基于神经网络的甲状腺良恶性自动识别及分类系统。
技术介绍
甲状腺位于人体颈部正前方的位置，在喉结下方，形似蝴蝶，是人体最大的内分泌腺。甲状腺具有分泌甲状腺激素的功能，该激素在人体生长发育和新陈代谢方面扮演着重要角色。而甲状腺结节是甲状腺细胞异常增生后出现的团块。美国甲状腺学会将甲状腺结节定义为甲状腺上一种离散型的病变，借助影像学检查，可观察到结节与正常甲状腺组织结构不同，存在相对的边界。发病时，甲状腺结节可以是一个，也可以是多个，结节的质地可能是实性的，也可能是囊性的，通过超声、CT、核磁和正电子发射计算机断层显像可以判断其大小和类型。甲状腺结节病变是甲状腺最为常见的病变之一，其主要区分为良性和恶性。相比与良性结节，恶性结节对于人体健康有着不可挽回的影响，因此准确区分良恶性结节有着重要意义。对于甲状腺结节病情，早期的治疗效果是最为明显的，所以甲状腺结节患者一定要及时做好甲状腺结节的诊断。目前国内外处理甲状腺结节病变问题主要...
【技术保护点】
1.一种基于神经网络的甲状腺CT图像结节自动诊断系统，包括依次连接的图像预处理模块、图像数据增强模块、结节语义分割模块、图像算法优化模块、分类预测模块，其特征在于：/n所述图像预处理模块，对原始甲状腺CT图像进行预处理，对预处理图像进行结节信息的标记；/n所述图像数据增强模块，用于扩充甲状腺CT图像数据集；/n所述结节语义分割模块，通过神经网络进行图像语义分割，分割出结节部分；/n所述图像算法优化模块，使语义分割网络输出平滑过渡，适配到分类网络中；/n所述分类预测模块，使用混合网络模型对分割出的各个甲状腺结节进行良恶性分类判断。/n
【技术特征摘要】
1.一种基于神经网络的甲状腺CT图像结节自动诊断系统，包括依次连接的图像预处理模块、图像数据增强模块、结节语义分割模块、图像算法优化模块、分类预测模块，其特征在于：
所述图像预处理模块，对原始甲状腺CT图像进行预处理，对预处理图像进行结节信息的标记；
所述图像数据增强模块，用于扩充甲状腺CT图像数据集；
所述结节语义分割模块，通过神经网络进行图像语义分割，分割出结节部分；
所述图像算法优化模块，使语义分割网络输出平滑过渡，适配到分类网络中；
所述分类预测模块，使用混合网络模型对分割出的各个甲状腺结节进行良恶性分类判断。
2.如权利要求1所述的一种基于神经网络的甲状腺CT图像结节自动诊断系统，其特征在于所述图像预处理模块，包括依次连接的图像预处理单元、结节信息标记单元、甲状腺CT图像归一化单元和标准化单元；
所述图像预处理单元，剪切图像有效中心区域，获得剪切后的图像；
所述结节信息标记单元，对剪切后的图像，标记图像的结节位置和结节状态，其中良性标记为0，恶性标记为1；
所述甲状腺CT图像归一化单元，使用灰度图读取原有的三通道图片，将各个像素点原有数值为[0,255]之间的整数归一化，将其映射至[0,1]之间的浮点数，归一化的公式为：
其中xi表示每个像素点的原有像素值，Xi表示每个像素点归一化后的像素值，N表示图像的像素个数；
所述标准化单元，标准化的公式为：
其中X为单个像素点的像素值，μ为图像全部像素值的均值，σ为图像全部像素值的标准差。
3.如权利要求1所述的一种基于神经网络的甲状腺CT图像结节自动诊断系统，其特征在于所述图像数据增强模块，包括翻转模块、缩放模块和调整模块；
所述翻转模块，随机翻转甲状腺CT图像，翻转方式包括水平翻转和垂直翻转；
所述缩放模块，随机缩放甲状腺CT图像，缩放方式以图像中心为轴，缩放大小为原始大小的85％和115％，缩小时用0像素值填充多余区域；
所述调整模块，调整甲状腺CT图像的亮度和饱和度。
4.如权利要求1所述的一种基于神经网络的甲状腺CT图像结节自动诊断系统，其特征在于所述结节语义分割模块，使用Eff-Unet神经网络作为语义分割网络，结合U-Net的跳跃连接结构和U型结构网络以及EfficientNet的深度、宽度、输入图片分辨率共同调节，结合高分辨率的局部信息和低分辨率更大面积的信息，对甲状腺结节分割；
Eff-Unet神经网络包括改进的损失函数BCE-DiceLoss和Adam优化器，训练时...
【专利技术属性】
技术研发人员：程思一，李文钧，岳克强，潘成铭，孙洁，刘昊，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
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。