【技术实现步骤摘要】
基于超声TDA的甲状腺结节良恶性特征提取方法和系统
[0001]本专利技术属于医学图像处理
,具体涉及一种基于超声
TDA
的甲状腺结节良恶性特征提取方法和系统
。
技术介绍
[0002]甲状腺结节作为最常见的结节性病变之一,在成年人群中经常被诊断出来,临床上的患病率约为
19
%至
68
%
。
根据
2018
年全球癌症统计,甲状腺癌的发病率排名第九,死亡率排名第六
。
尽管大多数结节是良性
(
非癌性
)
,但其中一小部分含有甲状腺癌,如果早期诊断,仍然是可以治愈的
。
因此通过无创的方法准确区分甲状腺结节的良恶性不仅可以减少潜在的患者癌症风险,也可以避免不必要的细针抽吸
(FNA)
和
/
或手术
。
[0003]超声扫描作为一种实时
、
方便
、
廉价和非侵入性的成像方法,已成为广泛使用的甲状腺结节诊断工具
。
在临床检查中,放射科医生通常通过观察一些重要的超声特征,如成分
、
回声性
、
形状和边缘特性等来识别甲状腺结节的良恶性
。
然而,由于质量
、
分辨率和对比度相对较低,以及散斑噪声和回声扰动,超声甲状腺结节评估严重依赖于放射科医生的临床经验,因此诊断结果具有主观性
。
...
【技术保护点】
【技术特征摘要】
1.
基于超声
TDA
的甲状腺结节良恶性特征提取方法,其特征在于,包括如下步骤:步骤1,获取患者的
B
模式超声图像,基于自动分割模型分割超声图像中的甲状腺结节;步骤2,通过拓扑数据分析方法,量化甲状腺超声区域的拓扑信息,计算得到
TDA
特征;步骤3,基于自动机器学习算法,构建基于
TDA
的甲状腺结节良恶性诊断模型
。2.
按照权利要求1所述的基于超声
TDA
的甲状腺结节良恶性特征提取方法,其特征在于:步骤1中,所述自动分割模型是基于视觉基础模型
SAM
进行迁移学习得到的
。3.
按照权利要求1所述的基于超声
TDA
的甲状腺结节良恶性特征提取方法,其特征在于:步骤2中,所述拓扑数据分析包括图像滤波处理
、
计算持久图
、
计算
TDA
特征和
TDA
特征可视化
。4.
按照权利要求3所述的基于超声
TDA
的甲状腺结节良恶性特征提取方法,其特征在于:所述图像滤波处理选择高斯滤波
、
非局部均值滤波
、
流形滤波
、
直方图均衡滤波
、
高度滤波
、
密度滤波
、
径向滤波
、
扩张过滤
、
侵蚀过滤或符号距离过滤
。5.
按照权利要求3所述的基于超声
TDA
的甲状腺结节良恶性特征提取方法,其特征在于:所述
TDA
特征包括
entropy、betti
和
...
【专利技术属性】
技术研发人员:姜泽坤,孙淼,侯峻枫,孟思睿,
申请(专利权)人:华西精创医疗科技成都有限公司,
类型:发明
国别省市:
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。