[发明专利]基于语义分割网络PSPNet的甲状腺结节超声图像的分割方法

权利要求书

1.一种基于语义分割网络PSPNet的甲状腺结节超声图像的分割方法，其特征在于包括以下步骤：

步骤一：进行数据的采集及预处理，在超声影像科采集甲状腺结节疾病患者的超声图像，在病理科采集对应的病理诊断结果作为参照标准，由专家筛选审核剔除无效的图像数据，结合病理诊断结果对甲状腺超声图像进行手工标记，将图像上的每个像素值分为甲状腺结节、甲状腺实质和其他内容这三类，这三类对应像素值分别为3、2、1；

步骤二：对语义分割网络PSPNet进行训练，将由专家筛选审核剔除无效的图像数据后的超声图像输入到语义分割网络PSPNet，经过语义分割网络PSPNet生成语义分割图像，通过交叉熵损失函数计算生成的语义分割图像和在步骤一中手工标记的甲状腺超声图像之间的损失，再将损失输入到语义分割网络PSPNet，语义分割网络PSPNet根据损失调整训练参数后进行下一轮的训练，直到进行完最后一轮训练后停止；

所述交叉熵损失函数公式为：

其中x为输入网络的原始超声图像，p(x)为超声图像中甲状腺结节和实质的真实分布，q(x)为超声图像中甲状腺结节和实质的非真实分布；

步骤三：对语义分割网络PSPNet分割出来的结果进行测试，将需要测试的图像输入语义分割网络PSPNet，得到语义分割图像，再根据已经标记好的掩模图像，计算交并比和像素精度分割评价指标；

步骤四：分析语义分割网络PSPNet的测试结果，如果结果未达到预期标准则需要调整网络的单次训练的样本数、损失函数、学习率和优化器参数，并再此对网络进行训练和测试，直到网络达到预期标准。

2.根据权利要求1所述的一种基于语义分割网络PSPNet的甲状腺结节超声图像的分割方法，其特征在于，所述步骤三中的交并比计算表达式为：

其中A为网络分割的甲状腺实质和结节掩膜，B为手工标记的甲状腺结节和实质掩膜，area(A)为网络分割的甲状腺实质和结节区域，area(B)为手工标记的甲状腺结节和实质区域。

3.根据权利要求1所述的一种基于语义分割网络PSPNet的甲状腺结节超声图像的分割方法，其特征在于，所述步骤三中的像素精度计算表达式为：

其中TP为预测正确的正样本，FP为预测错误的正样本。