[发明专利]一种基于生成式对抗网络的甲状腺结节识别方法

权利要求书

1. 一种基于生成式对抗网络的甲状腺结节识别方法，其特征在于，包括如下步骤：

A．建立甲状腺结节数据库

筛选甲状腺结节病人病理的数据，根据病理数据拷贝病人的超声图像数据，区分出病理报告指示的良恶性图像数据；利用标注工具对甲状腺结节和实质进行圈画标注，保存数据，以备后续处理；

B．语义分割

先以U-net作为生成网络的条件生成对抗网络模型，利用所述对抗网络模型训练网络，将甲状腺原始图像、分割标注图像输入对抗网络模型，生成网络不断生成图像，再由判断网络分辨该图像是否为真实图像，最终生成网络生成能欺骗判断网络的图像完成训练；对于训练好的分割网络，输入步骤A中标注完成的图像实现语义分割，分割出病灶图像；

C．良恶性分类输入

通过卷积神经网络对被分割出来的病灶图像，卷积提取图像特征，然后使用激活函数Relu使网络非线性，提高网络的学习能力；经过两次上述操作后使用最大池化函数对矩阵进行降维、扩大视野，同时使网络具有一定的平移不变性、旋转不变性、缩放不变性；经过多次卷积、激活、池化后，卷积神经网络使用全连接层对提取出的特征进行整合，实现图像良恶性判断；病灶输入卷积神经网络后，卷积神经网络将自动分类病灶，输出病灶的良恶性；

D．根据以上训练结果，关于病人病情的参考诊断报告。

2.根据权利要求1所述的一种基于生成式对抗网络的甲状腺结节识别方法，其特征在于，对步骤A中标注完成的图像进行预处理；所述预处理包括如下步骤：

a．将标注完成的图像分为两类，一类是超声设备产生的原始图像，一类是包含不同界面的屏幕截图；逐行逐列扫描图像，分析像素值、分布及变化情况，综合分析判断即可分割出需要的超声图像；根据像素RGB三个维度值的差异情况提取出标签，将标签区域像素值置零，同时根据标签周围组织像素填充被置零的标签区域；

b.消除样本图样中无关部分，对图像进行直方图均衡化、小波去噪预处理；

c.对图像进行尺寸的调整。

3.根据权利要求1所述的一种基于生成式对抗网络的甲状腺结节识别方法，其特征在于，所述判断网络采用4层步长为2的卷积层，在对图像进行特征提取的同时对图像进行降维，并且采用激活函数lrelu增强网络的非线性；对于输入网络的图像内容，判断网络会对其正确性进行判断。

4.根据权利要求1或3所述的一种基于生成式对抗网络的甲状腺结节识别方法，其特征在于，所述卷积神经网络选用VGG16，通过VGG16对被分割出来的病灶进行良恶性判断，对于输入卷积神经网络的三通道图像，卷积神经网络先对每个通道使用64个3x3的卷积提取图像特征。

5.根据权利要求1所述的一种基于生成式对抗网络的甲状腺结节识别方法，其特征在于，所述样本数据进行脱敏处理。

6. 根据权利要求1所述的一种基于生成式对抗网络的甲状腺结节识别方法，其特征在于，所述标注工具为Anaconda 2。