本申请提供一种甲状腺超声影像处理装置、方法、电子设备及介质，所述装置包括：图像获取模块，用于获取甲状腺超声影像；图像处理模块，用于利用第一深度学习模型对所述甲状腺超声影像进行处理，以获取甲状腺结节不同分类维度的标签；结果获取模块，用于根据各所述标签获取甲状腺结节的分类结果；显示模块，用于显示所述甲状腺结节的分类结果。所述装置能够获取甲状腺结节不同维度的分类结果，辅助医生诊断。
1、甲状腺结节是甲状腺细胞异常增生后在甲状腺组织内出现的一个或多个团块，结节的性质可能是实性的，也可能是囊性的。甲状腺结节十分常见，在人群中的发病率是20％～30％。甲状腺结节大多为良性，以结节性甲状腺肿和甲状腺腺瘤居多，少数为炎症性结节。大多数甲状腺结节患者伴有心烦易怒、失眠、疲倦、食欲不振等不适症状。如果甲状腺良性结节没有及时得到有效治疗，结节将逐渐增大，导致气管和食管受压，影响患者的呼吸和吞咽，最后不得不接受手术治疗。另外，少数的甲状腺良性结节如果不积极治疗，难免有恶变的风险，有可能威胁人们的生命健康。
2、传统甲状腺结节的检查通常由医生通过甲状腺超声影像进行。在临床实践中，为了准确判别患者结节，医生首先要对疑似或确诊为甲状腺结节的患者进行超声检查，然后根据超声检查的各项指标特征，对疑似恶性结节的患者进行细针穿刺活检，以初步确定患者的良恶性属性，最后推荐相应的手术治疗。不难看出，患者诊断结果的准确性主要依赖于医生的主观判断。由于不同医生的临床经验和医院医疗设施等存在差异，势必会造成不同程度上的误诊。
3、因此通过机器学习、专家系统等人工智能方法进行甲状腺结节良恶性鉴别十分有必要。但是固有的深度学习算法往往缺少甲状腺结节的性质的分类，导致辅助诊断的准确性和便捷性都受到影响。综上，现有对甲状腺结节的诊断过分依赖医生的经验，缺少多维度的分类结果辅助医生诊断。
>技术实现思路1、鉴于以上所述现有技术的缺点，本申请的目的在于提供一种甲状腺超声影像处理装置、方法、电子设备及介质，用于解决现有技术中依赖医生主观经验、缺少多维度分类结果辅助诊断的问题。
2、第一方面，本申请提供一种甲状腺超声影像处理装置，包括：图像获取模块，用于获取甲状腺超声影像；图像处理模块，用于利用第一深度学习模型对所述甲状腺超声影像进行处理，以获取甲状腺结节不同分类维度的标签；结果获取模块，用于根据各所述标签获取甲状腺结节的分类结果；显示模块，用于显示所述甲状腺结节的分类结果。
3、本申请中，利用第一深度学习模型对所述甲状腺超声影像进行处理，以获取甲状腺结节不同分类维度的标签，以此能够获得更为准确的甲状腺结节的分类结果，在医生诊断过程中辅助医生诊断，避免医生因为个人经验不足可能导致的误诊问题。
4、在第一方面的一种实现方式中，所述图像处理模块包括：第一检测单元，用于利用第二深度学习模型对所述甲状腺超声影像进行第一检测，以获取超声窗区域；第二检测单元，用于利用第三深度学习模型对所述超声窗区域进行第二检测，以获取甲状腺结节所在区域的位置；图像裁剪单元，用于根据所述甲状腺结节所在区域的位置对所述甲状腺超声影像进行剪切，以获取甲状腺结节区域图块；图像处理单元，用于利用所述第一深度学习模型对所述甲状腺结节区域图块进行处理，以获取各所述标签。
5、本实现方式中，使用两个深度学习模型对甲状腺超声影像进行处理，不仅可以有效的锁定甲状腺结节所在的位置，还能够对甲状腺结节区域进行精准切割。对甲状腺超声影像的处理能够提高对甲状腺结节的识别，也有效地减少了冗余信息输入到第一深度学习模型中，增加模型的计算量。
6、在第一方面的一种实现方式中，所述第一深度学习模型包括骨干网络和输出层，所述输出层用于输出各所述标签。
7、本实现方式中使用输出层输出各所述标签丰富了甲状腺结节分类的判断维度，可以通过多标签结果从多个维度判断甲状腺结节的性质，进一步地辅助医生进行诊断。
8、在第一方面的一种实现方式中，所述第一深度学习模型训练方法包括：获取训练数据集，所述训练数据集包括训练影像及其在各所述分类维度的标注结果；利用所述训练数据集对所述第一深度学习模型进行训练。
9、本实现方式中对第一深度学习模型进行训练能够提高第一深度学习模型处理甲状腺超声图像的准确度，使得本申请能够实现更为优异的效果。
10、在第一方面的一种实现方式中，所述结果获取模块包括：标签概率值处理单元，用于根据各所述标签的概率值获取各所述分类维度的分类结果；结果获取单元，用于根据各所述分类维度的分类结果获取所述甲状腺结节的分类结果。
11、本实现方式中对第一深度学习模型输出结果进行处理，根据所述标签的概率值获取各所述分类维度的分类结果，并根据所述分类维度的分类结果获取甲状腺结节的分类结果。根据概率值得到不同维度的分类结果，再进一步获取甲状腺结节的分类结果能够提高甲状腺结节的分类结果的准确性，辅助医生进行诊断。
12、在第一方面的一种实现方式中，所述分类维度包括：病理结果维度、回声类型维度、结构性质维度、边缘性质维度和/或钙化性质维度。
13、本实现方式中分类维度可以涵盖甲状腺结节的不同性质，获取甲状腺结节的不同维度的分类结果。
14、在第一方面的一种实现方式中，所述显示模块还用于显示所述甲状腺结节不同分类维度的标签。
15、本实现方式中显示模块可以直接将甲状腺结节的分类结果显示出来，辅助医生进行诊断。
16、第二方面，本申请提供一种甲状腺超声影像处理方法，其特征在于，包括：获取甲状腺超声影像；利用第一深度学习模型对所述甲状腺超声影像进行处理，以获取甲状腺结节不同分类维度的标签；根据各所述标签获取甲状腺结节的分类结果；显示所述甲状腺结节的分类结果。
17、本申请中，利用第一深度学习模型对所述甲状腺超声影像进行处理，以获取甲状腺结节不同分类维度的标签，以此能够获得更为准确的甲状腺结节的分类结果，在医生诊断过程中辅助医生诊断，避免医生因为个人经验不足可能导致的误诊问题。
18、第三方面，本申请提供一种电子设备，其特征在于，所述电子设备包括：存储器，用于存储计算机程序；处理器，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行所述甲状腺超声影像处理方法。
19、第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述甲状腺超声影像处理方法。
20、如上所述，本申请所述的甲状腺超声影像处理装置，具有以下有益效果：
21、所述甲状腺超声影像处理装置包括图像获取模块、图像处理模块、结果获取模块、显示模块。其中，图像获取模块用于获取甲状腺超声影像，图像处理模块用于利用第一深度学习模型对所述甲状腺超声影像进行处理，以获取甲状腺结节不同分类维度的标签，结果获取模块用于根据各所述标签获取甲状腺结节的分类结果，显示模块用于显示所述甲状腺结节的分类结果。由此可知，所述甲状腺超声影像处理装置可以自动获取甲状腺结节的分类结果和甲状腺结节不同分类维度的标签，基本上无需人工参与，因此能够获取准确的甲状腺结节分类结果，避免医生因为个人经验不足导致的误诊问题。
22、此外，所述甲状腺超声影像处理装置本文档来自技高网...
【技术保护点】
1.一种甲状腺超声影像处理装置，其特征在于，包括：
2.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述图像处理模块包括：
3.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述第一深度学习模型包括骨干网络和输出层，所述输出层用于输出各所述标签。
4.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述第一深度学习模型训练方法包括：
5.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述结果获取模块包括：
6.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述分类维度包括：病理结果维度、回声类型维度、结构性质维度、边缘性质维度和/或钙化性质维度。
7.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述显示模块还用于显示所述甲状腺结节不同分类维度的标签。
8.一种甲状腺超声影像处理方法，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求8所述甲状腺超声影像处理方法。
...
【技术特征摘要】
1.一种甲状腺超声影像处理装置，其特征在于，包括：
2.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述图像处理模块包括：
3.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述第一深度学习模型包括骨干网络和输出层，所述输出层用于输出各所述标签。
4.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述第一深度学习模型训练方法包括：
5.根据权利要求1所述的甲状腺超声影像处理装置，其特征在于，所述结果获取模块包括：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：何秀颖，郭峰，叶秋意，樊碧月，
申请(专利权)人：上海杏脉信息科技有限公司，
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。