【技術實現步驟摘要】
本專利技術涉及超聲彈性成像分割，具體為用于甲狀腺結節和乳腺結節的超聲彈性成像分割方法及系統。
技術介紹
1、甲狀腺癌和乳腺癌是全球發病率較高的兩大惡性腫瘤，其治療方式的選擇與分期密切相關，而判斷甲狀腺結節和乳腺結節是否受累是明確癌癥分期的關鍵因素之一。超聲彈性成像是早期診斷結節良惡性的有用手段，由于甲狀腺結節和乳腺結節的形狀和外觀在影像學上有一定的相似性，且診斷判別方法近似，因此甲狀腺結節和乳腺結節的超聲影像可以使用相同的技術手段進行分割。大量研究表明相較于傳統超聲成像，超聲彈性成像能夠更準確反映甲狀腺結節和乳腺結節信息，以不同顏色來反映甲狀腺結節和乳腺結節組織的硬度信息，具有更高的診斷價值。
2、超聲彈性成像是一種新型的超聲診斷技術，近年來得到快速發展。其利用動態成像技術對組織硬度進行測量，通過分析不同組織硬度差異，從而實現對病灶組織的無創診斷。目前，甲狀腺結節和乳腺結節的超聲彈性成像檢查大都采用實時彈性成像技術。該技術作用原理是：通過醫生手動施加壓力于探頭上的皮膚，從而使結節發生形變，并測量組織的應變和硬度。在實時彈性成像中，結節的硬度通過顏色編碼顯示在超聲圖像上，不同的顏色代表不同的硬度等級。通常，惡性結節由于其結構更為堅硬，會在圖像上顯示為較深的顏色，而良性結節則表現為較淺的顏色。因此，基于超聲彈性圖像對甲狀腺結節和乳腺結節進行精準定位和分割成為了甲狀腺癌和乳腺癌診療的重要步驟之一。
3、目前關于超聲彈性圖像研究中，通常需要專業醫生手動分割結節，該過程不僅耗時費力，且由于醫生個體間差異，對同一幅圖
技術實現思路
1、針對現有技術的不足，本專利技術提供了用于甲狀腺結節和乳腺結節的超聲彈性成像分割方法及系統，解決了上述
技術介紹
的問題。
2、為實現以上目的，本專利技術通過以下技術方案予以實現：用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，包括以下模塊：圖像獲取模塊、特征提取模塊、模型構建模塊、圖像分割模塊、模型評估模塊；圖像獲取模塊用于獲取目標患者甲狀腺結節圖像和乳腺結節圖像；特征提取模塊用于基于深度學習中的卷積神經網絡densenet作為編碼器，對目標患者甲狀腺結節圖像數據和乳腺結節圖像進行圖像特征提取，獲取甲狀腺結節圖像和乳腺結節圖像中的特征信息；模型構建模塊用于基于甲狀腺結節圖像和乳腺結節圖像中的特征信息，結合注意力機制和空洞卷積設計多尺度融合增強解碼器，從多尺度和范圍對結節的邊界和紋理進行建模，構建圖像分割模型；圖像分割模塊用于基于圖像分割模型，對目標患者甲狀腺結節圖像數據和乳腺結節圖像數據進行分割，獲取甲狀腺結節區域和乳腺結節區域分割圖像數據；模型評估模塊用于評估圖像分割模型，獲取圖像分割模型的分割指數，對圖像分割模型的分割指數進行分析，修正圖像分割模型。
3、進一步地，對目標患者甲狀腺結節圖像數據和乳腺結節圖像進行圖像特征提取的具體過程如下：基于深度學習中的卷積神經網絡densenet作為編碼器，將目標患者甲狀腺結節圖像和乳腺結節圖像進行預處理；將預處理后的甲狀腺結節圖像和乳腺結節圖像輸入到densenet中，通過前向傳播過程，提取甲狀腺結節圖像和乳腺結節圖像中的特征信息，特征信息包括結節的形狀、紋理、邊緣；從densenet中提取的特征表示為向量或矩陣形式，使用全連接層將特征映射到一個固定長度的向量空間中并存儲到圖像特征數據庫。
4、進一步地，構建圖像分割模型的具體過程如下：將編碼器輸出甲狀腺結節圖像和乳腺結節圖像中的特征信息進行上采樣操作，通過注意力機制來動態地調整對不同尺度特征的權重系數；從多尺度和范圍對結節的邊界和紋理進行建模，通過選擇性內核網絡設計跳躍連接，將編碼器的中間特征與解碼器的輸出特征充分融合，構建圖像分割模型。
5、進一步地，甲狀腺結節區域和乳腺結節區域分割圖像數據的具體包括甲狀腺結節分割數據、乳腺結節分割數據；所述甲狀腺結節分割數據包括圖像分割模型分割甲狀腺結節區域面積、甲狀腺結節真實區域面積、甲狀腺結節重合區域面積；所述乳腺結節分割數據包括圖像分割模型分割乳腺結節區域面積、乳腺結節真實區域面積、乳腺結節重合區域面積。
6、進一步地，評估圖像分割模型的具體過程如下：基于甲狀腺結節分割數據，對圖像分割模型分割甲狀腺結節準確度進行評估，獲取圖像分割模型分割甲狀腺結節指數；基于乳腺結節分割數據，對圖像分割模型分割乳腺結節準確度進行評估，獲取圖像分割模型分割乳腺結節指數。
7、進一步地，獲取圖像分割模型的分割指數的具體過程如下：將圖像分割模型分割甲狀腺結節指數和圖像分割模型分割乳腺結節指數分別與設定的圖像分割模型分割甲狀腺結節指數的標準值和圖像分割模型分割乳腺結節指數的標準值的進行比較，并與圖像分割模型分割甲狀腺結節指數的允許的偏差值和圖像分割模型分割乳腺結節指數允許的偏差值進行比值運算；對圖像分割模型分割甲狀腺結節指數和圖像分割模型分割乳腺結節指數分配權重，并進行綜合運算處理得到圖像分割模型的分割指數。
8、進一步地，其特征在于：圖像分割模型的分割指數的具體公式如下：
9、
10、式中，ωgh表示圖像分割模型的分割指數，tns表示圖像分割模型分割甲狀腺結節指數，bgh表示圖像分割模型分割乳腺結節指數，jks表示圖像分割模型分割甲狀腺結節指數的標準值，atr表示圖像分割模型分割乳腺結節指數的標準值，δbs表示圖像分割模型分割甲狀腺結節指數的允許的偏差值，δva表示圖像分割模型分割乳腺結節指數允許的偏差值，φ1表示圖像分割模型分割甲狀腺結節指數的權重因子，φ2表示圖像分割模型分割乳腺結節指數的權重因子。
11、進一步地，對圖像分割模型的分割指數進行分析的具體過程如下：基于圖像分割模型的分割指數，與圖像分割模型的分割指數的閾值進行比較分析，獲取圖像分割模型的分割符合指數；將圖像分割模型的分割符合指數與設定的圖像分割模型的分割符合指數范圍進行比較，當圖像分割模型的分割符合指數超過圖像分割模型的分割符合指數范圍，對圖像分割模型進行修正。
12、進一步地，獲取圖像分割模型的分割符合指數的具體過程如下：將圖像分割模型的分割指數、圖像分割模型分割甲狀腺結節指數和圖像分割模型分割乳腺結節指數分別與圖像分割模型的分割指數的閾值、圖像分割模型分割甲狀腺結節指數的閾值和圖像分割模型分割乳腺結節指數的閾值進行比較，并進行綜合處理得到圖像分割模型的分割符合指數。
13、用于甲狀腺結節和乳腺結節的超聲彈性成像分割方法，包括以下步驟：s1.獲取目標患者甲狀腺結節圖像和乳腺結節圖像；s2.基于深度學習中的卷積神經網絡densenet作為編碼器，對目標患者甲狀腺結節圖像數據和乳腺結節圖像進行圖像特征提取，獲取甲狀腺結節圖像和乳腺結節圖像中的特征信息；s3.基于甲狀腺結節圖像和乳腺結節圖像中的特征信息，結合注意力機制和空洞卷積設計多尺度融本文檔來自技高網...
【技術保護點】
1.用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于，包括以下模塊：圖像獲取模塊、特征提取模塊、模型構建模塊、圖像分割模塊、模型評估模塊；
2.根據權利要求1所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：對目標患者甲狀腺結節圖像數據和乳腺結節圖像進行圖像特征提取的具體過程如下：
3.根據權利要求1所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：構建圖像分割模型的具體過程如下：
4.根據權利要求1所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：甲狀腺結節區域和乳腺結節區域分割圖像數據的具體包括甲狀腺結節分割數據、乳腺結節分割數據；
5.根據權利要求4所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割方法及系統，其特征在于：評估圖像分割模型的具體過程如下：
6.根據權利要求5所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：獲取圖像分割模型的分割指數的具體過程如下：
7.根據權利要求6所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系
8.根據權利要求7所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：對圖像分割模型的分割指數進行分析的具體過程如下：
9.根據權利要求8所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：獲取圖像分割模型的分割符合指數的具體過程如下：
10.用于甲狀腺結節和乳腺結節的超聲彈性成像分割方法，其特征在于：包括以下步驟：
...【技術特征摘要】
1.用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于，包括以下模塊：圖像獲取模塊、特征提取模塊、模型構建模塊、圖像分割模塊、模型評估模塊；
2.根據權利要求1所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：對目標患者甲狀腺結節圖像數據和乳腺結節圖像進行圖像特征提取的具體過程如下：
3.根據權利要求1所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：構建圖像分割模型的具體過程如下：
4.根據權利要求1所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割系統，其特征在于：甲狀腺結節區域和乳腺結節區域分割圖像數據的具體包括甲狀腺結節分割數據、乳腺結節分割數據；
5.根據權利要求4所述的用于甲狀腺結節和乳腺結節的超聲彈性成像分割...
【專利技術屬性】
技術研發人員：田傳耕，封波，封新聞，安媛，張雷，張居遠，
申請(專利權)人：江蘇錦源醫療科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。