基于超声制造技术

本发明专利技术属于医学图像处理技术领域，具体涉及一种基于超声

【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
。
[0004]为了解决这个问题，过往的研究中提出了许多用于超声图像中甲状腺结节诊断的计算机辅助诊断方法，但是目前流行的较多为直接将超声图像输入到深度学习网络中进行模型构建，深度学习作为黑匣子，即便是获得了很高的准确性，但是依然让医生和患者难以完全信服诊断结果
。
因此，此类计算机辅助诊断方法的可解释性较低，严重影响方法和模型在临床上的推广使用
。
[0005]TDA(
拓扑数据分析
)
是一种新型的研究形状的数学方法，是一种数学工具，具有强可解释性和表征性，已经被证实可以用于肿瘤疾病的量化和诊断中，目前尚未有研究将
TDA
用到超声图像上，尤其是甲状腺结节的良恶性诊断
。
[0006]因此，为了实现更高可解释性的超声甲状腺结节自动诊断方法，更高效的辅助临床医生进行临床诊断，本工作创新性的将
TDA
技术应用到超声甲状腺图像中，用于从超声图像中量化甲状腺结节的拓扑特性，用于良恶性识别
。
因此，设计出基于超声拓扑数据分析的甲状腺结节良恶性诊断方法和系统对于临床早期诊断和早期治疗具有重要的意义
。
然而目前尚缺乏相关技术研究
。

技术实现思路

[0007]针对现有技术的缺陷，本专利技术提供一种基于超声
TDA
的甲状腺结节良恶性特征提取方法和系统，目的在于构建一套超声拓扑数据分析的特征提取方法，实现准确的甲状腺结节良恶性智能预测
。
[0008]为实现上述技术目的，本专利技术采用的技术方案是：
[0009]一种基于超声
TDA
的甲状腺结节良恶性特征提取方法，包括如下步骤：
[0010]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；
[0011]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；
[0012]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
。
[0013]优选的，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
。
[0014]优选的，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
。
[0015]优选的，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
。
[0016]优选的，所述
TDA
特征包括
entropy、betti
和
landscape
三类特征；所述
TDA
特征可视化的结果包括
betti
曲线和
landscape
图
。
[0017]优选的，步骤3中，所述构建基于
TDA
的甲状腺结节良恶性诊断模型，是通过将
TDA
特征平铺后输入到自动机器学习算法中构建机器学习诊断模型
。
[0018]本专利技术还提供一种基于超声
TDA
的甲状腺结节良恶性分级诊断系统，包括：
[0019]超声图像存储模块，用于获取
、
存储甲状腺超声图像数据；
[0020]甲状腺分割模块，用于自动勾画出超声图像中的甲状腺结节区域；
[0021]拓扑数据分析模块，用于处理超声图像，量化结节区域的
TDA
特征，并进行
TDA
结果可视化；
[0022]自动诊断模块，基于
TDA
信息进行识别，诊断甲状腺结节的良恶性分级
。
[0023]优选的，所述甲状腺分割模块集成有
SAM
分割模型，所述自动诊断模块集成了
TDA
机器学习模型，
TDA
机器学习模型是基于超声甲状腺结节的
TDA
特征和自动机器学习算法构建的
。
[0024]本专利技术还提供一种计算机可读存储介质，其上存储有用于实现上述的基于超声
TDA
的甲状腺结节良恶性特征构建方法的计算机程序，或用于实现上述的基于超声
TDA
的甲状腺结节良恶性分级诊断系统的计算机程序
。
[0025]本专利技术的特征构建方法，基于拓扑数据分析方法，实现了基于超声图像的甲状腺自动分割
、
拓扑特征提取
、
拓扑特征可视化和良恶性智能诊断
。
通过创新性的构建超声
TDA
技术，本专利技术具有较高的超声甲状腺结节良恶性诊断的准确率外，还具有很强的可解释性，能够满足临床的应用需求，辅助临床和患者进行精准诊断和治疗决策支持，为该类疾病的早期诊断和早期治疗提供技术支持
。
考虑到该计算机本文档来自技高网...

【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：