[发明专利]一种超声图像分类装置

说明书

本发明实施例公开了一种超声图像分类装置，转换单元对获取的超声图像进行格式转换，得到目标超声图像；残差处理单元，将目标超声图像进行残差处理，得到多个子图像。对图像进行残差处理，可以将超声图像分割为多个子图像，使得超声图像可以划分为更小的图像单元进行处理，有效的提升了图像分析的准确性。并且与传统的卷积分析相比，残差处理的方式可以降低数据处理量，从而提升了图像分类的处理效率。确定单元利用训练好的胶囊网络，对多个子图像进行分析，确定出超声图像所属的图像类别。胶囊网络通过对子图像进行聚类分析，可以得出超声图像与每个图像类别之间的关联性，从而较为准确的评估出超声图像所属的图像类别。

技术领域

本发明涉及超声图像处理技术领域，特别是涉及一种超声图像分类装置。

背景技术

甲状腺乳头状癌是最常见的一种癌症，甲状腺乳头状癌的发病表现可以分为形状不规则、边界欠清晰、回声不均匀、钙化等症状。超声检查是首选影像学检查。医学影像数据具有复杂性、多样性，对医师的工作要求较高。在需要诊断大量超声图像的情况下，医师的诊断效率往往随着超声图像数量的增加而下降。由于医师的劳累会增加其误判率，所以结合人工智能等相关技术预先处理后得出结果再送给医师判断，可以大大减轻医师的工作量，提高工作效率。

现有的医学影像分类技术是以卷积神经网络为基础模块实现其功能。由于医疗影像的复杂度较高，超声图像存在细胞重叠，边缘模糊，血管干扰等一系列问题，仅仅用卷积神经网络作为分类器往往会造成大量的假阳性现象，低准确率在实际医疗判断的过程中对医师的帮助甚微

可见，如何提升超声图像分类的准确性，是本领域技术人员需要解决的问题。

发明内容

本发明实施例的目的是提供一种超声图像分类装置，可以提升超声图像分类的准确性。

为解决上述技术问题，本发明实施例提供一种超声图像分类装置，包括转换单元、残差处理单元和确定单元；

所述转换单元，用于对获取的超声图像进行格式转换，得到目标超声图像；

所述残差处理单元，用于将所述目标超声图像进行残差处理，得到多个子图像；

所述确定单元，用于利用训练好的胶囊网络，对所述多个子图像进行分析，确定出所述超声图像所属的图像类别。

可选的，所述确定单元包括提取子单元、聚类子单元和归类子单元；

所述提取子单元，用于提取各子图像的初级特征，并按照预设维度，将所述初级特征转化为特征向量；

所述聚类子单元，用于利用动态路由算法，对所述特征向量进行聚类处理，得到输出结果；

所述归类子单元，用于根据所述输出结果的范数值，确定出所述超声图像所属的图像类别。

可选的，所述转换单元包括格式转换子单元和大小转换子单元；

所述格式转换子单元，用于将获取的超声图像转化为jpg图像；

所述大小转换子单元，用于利用双线性插值法将所述jpg图像固定为预设像素大小的目标超声图像。

可选的，针对于所述胶囊网络的训练过程，所述装置包括提取单元、聚类单元、计算单元、判断单元、调整单元和输出单元；

所述提取单元，用于提取各样本图像的样本初级特征，并按照预设维度，将所述样本初级特征转化为样本特征向量；其中，每个样本图像有其对应的实际图像类别值；

所述聚类单元，用于利用动态路由算法，对同一个目标样本图像所对应的样本特征向量进行聚类处理，得到样本输出结果；

所述计算单元，用于计算所述样本输出结果对应的范数值；并将取值最大的范数值作为所述目标样本图像的样本范数值；