[发明专利]一种基于超声数据降维的甲状腺结构特征提取方法及系统

权利要求书

1.一种基于超声数据降维的甲状腺结构特征提取方法，包括训练阶段和预测阶段，具体包括如下步骤：

(一)训练阶段：

11)采集训练数据：通过读取超声探头采集的每条扫描线，得到B型超声图像对应的超声回波数据X；扫描线的总数为K；

12)进行射频降维特征提取：依次读取超声探头采集的每条扫描线得到的超声回波数据X，解包络并映射到灰度空间；不经过解包络直接降维进行压缩测量，通过使用规模为M×N的观测矩阵Φ，其中N为单根扫描线的扫描点数，M为压缩目标点数，得到每条扫描线X对应的超声信号压缩测量数据Y；

13)进行图像合成和压缩：分别将步骤12)得到的单扫描线解包络灰度空间数据组合成灰度图，从中勾选各个特征结构的轮廓，从而得到原尺寸为N×K图像像素分类图L；将步骤12)得到的超声信号压缩测量数据组合成单帧压缩图像，得到压缩图像像素图C，输入到全卷积网络中；

14)全卷积网络接收步骤13)所述压缩图像像素图C和图像像素分类图L进行训练，得到固化权值的全卷积神经网络，为训练好的全卷积神经网络；

(二)预测阶段：

21)采集获得B型超声图像对应的超声回波数据：通过读取超声探头采集的每条扫描线得到的超声回波数据，扫描线总数为K，作为预测数据；

22)与步骤12)一样，针对步骤21)所述预测数据进行射频降维特征提取，得到超声信号压缩测量数据；

23)进行图像合成和压缩：将步骤22)得到的超声信号压缩测量数据组合成单帧压缩图像，得到压缩图像像素图；

24)用训练好的全卷积神经网络进行预测：训练好的全卷积神经网络接收步骤23)所述压缩图像像素图进行预测，得到预测像素图；

25)利用预测像素图进行重建，实现对降维的逆向重建，由此得到重建的甲状腺特征图Z；重建过程具体包括：

首先，接收观测矩阵Φ，利用傅里叶变换基Ψ作为超声回波信号的稀疏域基，获得恢复矩阵T；

然后，将残差向量r初始化为Y，和恢复矩阵T进行迭代，每次迭代从T里找出与Y相关性最大的列i，经汇总得到索引集I，再更新残差向量r；

迭代完成后得到重建的甲状腺特征图Z。

2.如权利要求1所述甲状腺结构特征提取方法，其特征是，采用的超声波具体是通过超声探头发射的2M-8M Hz超声波。

3.如权利要求1所述甲状腺结构特征提取方法，其特征是，具体通过如下方法得到每根扫描线对应的超声信号压缩测量数据：

依次读取超声探头采集的每条扫描线得到的超声回波数据X，采用匹配追踪法进行高压缩比的伪随机测量，对接收的超声探头采集的超声回波数据X，进行高压缩比的伪随机测量，通过式1获得Y；

Y＝ΦX (式1)

其中，Y为每根扫描线对应的超声信号压缩测量数据；Φ是规模为M×N观测矩阵，其中N为单根扫描线的扫描点数，M为压缩目标点数，M的范围为[N/50，N/10]。

4.如权利要求1所述甲状腺结构特征提取方法，其特征是，全卷积网络是一个4-32层的全卷积神经网络。