[发明专利]一种基于胶囊网络的甲状腺结节超声图像分类方法

权利要求书

1.一种基于胶囊网络的甲状腺结节超声图像分类方法，其特征在于，所述方法包括以下步骤：

对甲状腺超声影像进行预处理，通过神经网络结合图像微分识别超声影像中的人工标记；通过边界调整获取用于界定甲状腺结节位置的矩形框；

构建胶囊网络应用于甲状腺结节超声影像的分类中，并对胶囊网络结构进行调整；将Dropout加入调整后的胶囊网络中，稳定训练过程、改进分类效果。

2.根据权利要求1所述的一种基于胶囊网络的甲状腺结节超声图像分类方法，其特征在于，所述神经网络具体为：

输入层是19×19的图像，通过一层3×3的卷积层与一层2×2的池化层降低图像的尺寸并学习浅层的特征；

通过一层5×5的卷积层与一层2×2的池化层来学习深层次的特征，最后是两层全连接层，分别具有256个神经元与2个神经元，其中最后一层全连接层的2个神经元是神经网络的分类输出，用来表示输入图像是否是一个符号。

3.根据权利要求1所述的一种基于胶囊网络的甲状腺结节超声图像分类方法，其特征在于，所述结合图像微分识别超声影像中的人工标记具体为：

其中，C＝R×L，L为拉普拉斯算子，R为图像，η为用于图像二值化的阈值。

4.根据权利要求1所述的一种基于胶囊网络的甲状腺结节超声图像分类方法，其特征在于，所述通过边界调整获取用于界定甲状腺结节位置的矩形框具体为：

情况一找到多于两个加号：给出每个位置上的符号是加号的概率，通过对比不同位置的概率来确定选取哪两个位置作为加号；

情况二未找到乘号：根据加号的位置确定矩形框的左右边界，以两个加号的连线作为水平中轴线做一个正方形估计甲状腺结节的位置；

情况三只找到一个乘号：如果当前乘号位于两个加号连接的线段的一侧，则以连接线为对称轴估计另一侧的乘号所在的位置，若另一侧不存在乘号，则当前乘号是错误识别的，根据情况二估计甲状腺结节的位置；

情况四找到两个或多个乘号：按照情况三逐个处理找到的乘号，直到一侧最多留下一个乘号为止。

5.根据权利要求4所述的一种基于胶囊网络的甲状腺结节超声图像分类方法，其特征在于，所述方法还包括：

若错误识别出的乘号与加号的距离大于阈值，此时丢弃较远的乘号；

所述阈值取为超声图像上边界中点和左边界中点之间的距离。

6.根据权利要求1所述的一种基于胶囊网络的甲状腺结节超声图像分类方法，其特征在于，所述将Dropout加入调整后的胶囊网络具体为：

将Dropout引入到主胶囊层中，在动态路由开始之前，丢弃掉一部分向量神经元。