[发明专利]一种基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法

权利要求书

1.一种基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，将真实病人的甲状腺超声图像按照良性结节和恶性结节进行分类，然后利用深度卷积生成式对抗网络生成病灶区图像，从中挑选出生成比较接近真实病灶区的图像，与正常人的甲状腺图像相融合，最终生成病灶在甲状腺不同部位的甲状腺超声图像，具体包括以下步骤：

S1：在用XML文件标注出结节的位置和类型之后,将图像上影像科医生对结节位置标注的标签去除；

S2：按照结节的类型，把病灶区截图出来然后存放于不同的文件夹；

S3：统一所有图像的大小并且用传统的数据增强方法增加图片数量；

S4：用深度卷积生成式对抗网络训练生成病灶区图像；

S5：挑选生成的病灶区图像；

S6：用挑选生成的病灶区图像与正常图像进行融合，最终生成病灶在甲状腺不同部位的甲状腺超声图像。

2.根据权利要求1所述的基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，所述S1中，标签的去除方法为标签区域内的像素点采用双线性插值方法，其由相邻的四像素2*2计算得出。

3.根据权利要求1所述的基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，所述S2中，截图方法为复制病灶区的像素，并且保存为新的图像。

4.根据权利要求1所述的基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，所述S3中，统一的图片像素大小为32*32-128*128，通道数设为1-3，传统的数据增强方法为翻转和旋转，翻转包括水平翻转和垂直翻转，旋转就是对图像做一定角度的旋转操作。

5.根据权利要求1所述的基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，所述S4中，所搭建的用深度卷积生成式对抗网络至少包括生成模型和判别模型两个模块，通过两个模块的互相博弈学习生成病灶区图像。

6.根据权利要求1所述的基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，所述S5中，挑选方法为训练出一个简单的卷积神经网络，这个网络为二分类，训练图片类别为真实病灶图片和深度卷积生成式对抗网络生成图片，然后把新生成的图片，作为网络的输入，如果网络分类为真实病灶图像的概率大于0.5，则选择这张图片。

7.根据权利要求1所述的基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，所述S6中，融合方法为首先对计算病灶区图像灰度直方图，查找正常超声图像与生成图像直方图相似的区域，然后利用OpenCV的cvAddWeighted函数，将两个图片矩阵进行融合变成一个图片。

8.根据权利要求7所述的基于深度卷积生成式对抗网络的甲状腺结节病灶区生成的数据增强方法，其特征是，所述cvAddWeighted函数中，有两个源图像image1和image2，两个图像可以是任何相同的像素类型，也可以是单通道或是三通道，只要两者相符。