基于Transformer的甲状腺结节检测方法技术

本发明专利技术公开了一种基于Transformer的甲状腺结节检测方法，涉及图像处理技术领域，该方法在获取甲状腺区域的待测超声图像并对获取到的待测超声图像进行图像预处理后，将其输入预先基于Transformer网络训练得到的结节检测模型中，根据结节检测模型的输出确定待测超声图像的结节的位置以及类型，完成对待测超声图像中的结节的检测，结节的类型用于指示结节为良性结节或恶性结节；该方法可以自动完成结节的定位和分类，自动化程度高、客观性好，且无需构建稠密的Anchor Box，无需使用NMS复杂的后处理操作，易于实现，对计算资源要求较低。对计算资源要求较低。对计算资源要求较低。

【技术实现步骤摘要】
基于Transformer的甲状腺结节检测方法


[0001]本专利技术涉及图像处理
，尤其是一种基于Transformer的甲状腺结节检测方法。

技术介绍

[0002]甲状腺肿瘤是头颈部的常见和多发肿瘤。近些年来，甲状腺癌的发病率逐年增高，受到了临床人员和研究人员的广泛关注。某些甲状腺结节的恶性程度较高，因此对甲状腺结节的早期诊断和治疗能够有效地预防甲状腺癌。临床中一般使用超声对甲状腺进行检查，超声检查是现代临床广泛应用的一种影像学检查方式，能够获取患者甲状腺结节的边界、形态及回声等信息，为甲状腺结节患者的进一步治疗提供支持。但目前国内医疗资源紧张，有经验的超声医生数量较少，医生诊疗任务繁重，容易出现漏诊、误诊。因此，如何辅助医生对甲状腺结节进行实时诊断，从大量的甲状腺结节中鉴别出恶性结节，提高医生对甲状腺结节良恶性诊断的准确率，对于临床来说，具有非常重要的意义且富有挑战性。
[0003]目前已有很多运用深度学习方法在医疗图像上进行辅助诊断的技术，针对甲状腺超声图像中甲状腺结节的辅助诊断，基于深度学习的算法大致分成两类：一是基于R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Transformer的甲状腺结节检测方法，其特征在于，所述方法包括：获取甲状腺区域的待测超声图像并对获取到的待测超声图像进行图像预处理；将完成图像预处理的所述待测超声图像输入结节检测模型，所述结节检测模型是预先基于Transformer网络训练得到的；根据所述结节检测模型的输出确定所述待测超声图像的结节的位置以及类型，完成对所述待测超声图像中的结节的检测，结节的类型用于指示结节为良性结节或恶性结节。2.根据权利要求1所述的方法，其特征在于，所述对获取到的待测超声图像进行图像预处理，包括：通过阈值法对所述待测超声图像进行图像裁剪，保留所述待测超声图像中的超声窗口区域的图像、裁剪掉除超声窗口区域之外的背景区域的图像；对超声窗口区域的图像进行直方图均衡化，得到完成图像预处理的所述待测超声图像。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：构建样本数据集，所述样本数据集包括若干个甲状腺区域的完成图像预处理的样本超声图像，每个样本超声图像中包括结节标注框，结节标注框用于标注样本超声图像中的结节的位置以及类型，所述样本数据集的样本超声图像中包括多种不同位置和/或类型的结节；利用所述样本数据集基于Transformer网络进行网络训练得到所述结节检测模型。4.根据权利要求3所述的方法，其特征在于，所述利用所述样本数据集基于Transformer网络进行网络训练得到所述结节检测模型，包括：利用ImageNet数据集基于Transformer网络进行预训练；将预训练好的网络参数迁移到Transformer网络中并利用所述样本数据集进行网络训练得到所述结节检测模型。5.根据权利要求3所述的方法，其特征在于，所述利用所述样本数据集基于Transformer网络进行网络训练得到所述结节检测模型，包括：将所述样本数据集划分为训练集、验证集和测试集，利用所述训练集中的样本超声图像基于Transformer网络进行网络训练，利用所述验证集中的样本超声图像对训练的超参数进行优化得到所述结节检测模型，并利用测试集中的样本超声图像对训...

【专利技术属性】
技术研发人员：张雷，赵婉君，石一磊，牟立超，朱晓香，赵星，朱精强，
申请(专利权)人：脉得智能科技无锡有限公司，
类型：发明
国别省市：