[发明专利]甲状腺结节超声图像实时识别方法及装置

说明书

本发明公开了甲状腺结节超声图像实时识别方法及装置，属于图像处理领域。本发明基于扫描过程中大部分的超声图像之间均存在关联性的特点，通过将当前帧甲状腺图像与上一帧甲状腺图像进行匹配，在实时识别的过程中过滤掉关联性强的图像(如：相似度高的图像，或匹配的图像)，从而实现降低计算量的目的；对于不匹配的图像进行识别获取候选目标信息，通过将候选目标信息与相应的图像进行融合，生成标识图像(即：标识甲状腺结节的图像)，达到实时识别甲状腺结节的目的。

技术领域

本发明涉及图像处理领域，尤其涉及一种甲状腺结节超声图像实时识别方法及装置。

背景技术

近年来，随着影像技术的发展，甲状腺结节的检出率显著升高，甲状腺结节非常普遍，有调查指出甲状腺结节的发生率将近50％，但仅有4％-8％的甲状腺结节在临床触诊中可被触及。甲状腺结节有良、恶性之分，恶性发生率为5％-10％。基于超声成像技术的甲状腺结节超声检查是目前常见的检查方式，然而医生诊断超声甲状腺图像的结果往往受到医学成像设备的成像机理、获取条件、显示设备等因素的影响而极易造成误诊或漏诊。因此，利用计算机实现甲状腺图像辅助诊断十分必要。但是固有的成像机制使得临床采集到的超声甲状腺结节图像质量均较差，导致辅助诊断的准确性和自动化均受到影响，而目前的基于深度学习的甲状腺结节识别方法，计算量大，只能使用静态图像分析，无法进行在线实时扫查，且准确性较低。

发明内容

针对现有甲状腺结节识别方法不支持实时检测的问题，现提供一种旨在甲状腺结节超声图像实时识别方法及装置。

本发明提供了一种甲状腺结节超声图像实时识别方法，包括：

获取当前帧甲状腺图像；

将所述当前帧甲状腺图像与上一帧甲状腺图像进行匹配；

若所述当前帧甲状腺图像与所述上一帧甲状腺图像匹配，获取与所述上一帧甲状腺图像对应的候选目标信息；

若所述当前帧甲状腺图像与所述上一帧甲状腺图像不匹配，对所述当前帧甲状腺图像进行识别，获取候选目标信息；

将所述候选目标信息与所述当前帧甲状腺图像进行融合，生成标识图像。

优选的，将所述当前帧甲状腺图像与所述上一帧甲状腺图像进行匹配，包括：

采用相似度匹配算法计算所述当前帧甲状腺图像与所述上一帧甲状腺图像之间的相似值；

若所述相似值大于或等于预设阈值，则所述当前帧甲状腺图像与所述上一帧甲状腺图像匹配；

若所述相似值小于所述预设阈值，则所述当前帧甲状腺图像与所述上一帧甲状腺图像不匹配。

优选的，若所述当前帧甲状腺图像与所述上一帧甲状腺图像不匹配，对所述当前帧甲状腺图像进行识别，获取候选目标信息，包括：

若所述当前帧甲状腺图像与所述上一帧甲状腺图像不匹配，采用卷积神经网络模型对所述当前帧甲状腺图像进行识别，提取候选特征信息；

对所述候选特征信息进行处理获取所述候选目标信息。

优选的，采用卷积神经网络模型对所述当前帧甲状腺图像进行识别，提取候选特征信息，包括：

对所述当前帧甲状腺图像进行预处理，采用卷积神经网络模型对经预处理后的所述当前帧甲状腺图像进行识别，提取候选特征信息。

优选的，所述卷积神经网络模型包括：第一特征提取模块、第二特征提取模块和分类模块；

当所述当前帧甲状腺图像与所述上一帧甲状腺图像不匹配，采用卷积神经网络模型对所述当前帧甲状腺图像进行识别，提取候选特征信息，包括：