【技术实现步骤摘要】
本申请涉及医疗图像处理，尤其涉及甲状腺结节性病变分类模型训练方法、分类方法及装置。
技术介绍
1、甲状腺是人体重要的内分泌腺，也是人体内分泌腺当中体积最大的内分泌腺体，在反馈调节、影响代谢、促进发育等方面发挥着至关重要的作用。甲状腺结节是相当常见的甲状腺病变，在当前存在的大量患者人群中，大部分甲状腺结节都是良性结节，少部分有恶性风险，主要包括乳头状癌、滤泡性肿瘤、髓样癌等。临床工作过程中应用超声检查发现甲状腺结节后，需对各结节的性质及恶性风险做出预测。有经验的超声医师通常能够识别滤泡性肿瘤，但也存在一定的误诊率，且医院的医生在识别上也可能存在困难。
2、计算机辅助诊断技术在甲状腺结节的超声影像分析上已经有广泛的应用，但是现有的辅助诊断软件都是基于甲状腺影像报告与数据系统（thyroid imaging reportingand data system, tirads）进行分级，而该系统专注于甲状腺乳头状癌的筛查，对于滤泡性肿瘤、髓样癌等恶性程度更高、恶性征象不够明显的恶性结节诊断效果有限，很容易出现误诊、漏诊的情况。
...【技术保护点】
1.一种甲状腺结节性病变分类模型训练方法，其特征在于，包括：
2.根据权利要求1所述的甲状腺结节性病变分类模型训练方法，其特征在于，所述全分组卷积神经优化模型包括：依次连接的优化输入流模块、第一密集连接模块、中间流模块、第二密集连接模块、优化输出流模块和全连接层；
3.根据权利要求2所述的甲状腺结节性病变分类模型训练方法，其特征在于，所述原始全分组卷积神经模型包括：依次连接的输入流模块、中间流模块、输出流模块和全连接层；
4.根据权利要求2所述的甲状腺结节性病变分类模型训练方法，其特征在于，所述全分组卷积神经优化模型还包括：设置在所...
【技术特征摘要】
1.一种甲状腺结节性病变分类模型训练方法，其特征在于，包括：
2.根据权利要求1所述的甲状腺结节性病变分类模型训练方法，其特征在于，所述全分组卷积神经优化模型包括：依次连接的优化输入流模块、第一密集连接模块、中间流模块、第二密集连接模块、优化输出流模块和全连接层；
3.根据权利要求2所述的甲状腺结节性病变分类模型训练方法，其特征在于，所述原始全分组卷积神经模型包括：依次连接的输入流模块、中间流模块、输出流模块和全连接层；
4.根据权利要求2所述的甲状腺结节性病变分类模型训练方法，其特征在于，所述全分组卷积神经优化模型还包括：设置在所述优化输入流模块的输入端与所述第一密集连接模块之间的用于降低图像维度并缩小图像尺寸的一过渡层，以及设置在所述中间流模块的输入端与所述第二密集连接模块之间的另一所述过渡层。
5.根据权利要求1至4任一项所述的甲状腺结节性病变分类模型训练方法...
【专利技术属性】
技术研发人员：张帆，李书芳，许锋，陈立伟，陈文，奕笑笑，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
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。