[发明专利]一种甲状腺结节良恶性识别装置

权利要求书

1.一种甲状腺结节良恶性识别装置，其特征在于，包括：

TDUS神经网络构建模块：用于构建基于人工神经网络的TDUS神经网络，所述人工神经网络包括输入层、隐含层和输出层；

所述TDUS神经网络构建模块中的TDUS神经网络的架构包括：带有9个特征数据输入端的输入层、由10个神经元构成的隐含层，以及由2个神经元构成的输出层；所述隐含层采用tan-sigmoid变换函数，所述输出层采用线性变换函数；

图像获取模块：用于获取关于甲状腺结节的彩色多普勒超声图像；

TI-RADS特征数据获取模块：用于根据所述彩色多普勒超声图像获取TI-RADS特征数据，所述TI-RADS特征数据包括成分得分、回声得分、形态得分、边缘得分和强回声灶得分；

感兴趣结节图像提取模块：用于通过选取感兴趣坐标点的方式对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像；

血管信息提取模块：用于通过彩色像素提取法和形态学闭合操作从所述感兴趣结节图像中提取血管信息，得到血管信息位图I_VI；

所述血管信息提取模块中通过彩色像素提取法从所述感兴趣结节图像中提取血管信息，具体为：

通过公式判断所述感兴趣结节图像中的像素是否为彩色像素，以将所述感兴趣结节图像中的彩色像素与灰度像素分离来提取血管信息，其中，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，G_(x,y)为感兴趣结节图像中像素(x,y)的绿色通道，R_(x,y)为感兴趣结节图像中像素(x,y)的红色通道，B_(x,y)为感兴趣结节图像中像素(x,y)的蓝色通道，thr为预设阈值；

所述血管信息提取模块中通过形态学闭合操作从所述感兴趣结节图像中提取血管信息，具体为：

通过形态学闭合操作来闭合所述感兴趣结节图像中由于血流漩涡引起的明亮缝隙，公式为：

其中，I_VI为血管信息位图，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，为膨胀操作符号，为腐蚀操作符号，SE_vortex为形态学闭合操作中宽度为2像素的碟形结构元素；

血管数目探测模块：用于通过泛洪填充算法对所述血管信息位图I_VI的中的每个带有血流信息的像素进行遍历标注，得到血管数目；

血管分布估计模块：用于将所述感兴趣结节图像分为结节整体区域、结节内部区域和结节外周区域，再确定每个区域中血管信息所占的比率；

甲状腺结节良恶性识别模块：用于将所述TI-RADS特征数据、血管数目探测模块中的血管数目，以及血管分布估计模块中的每个区域中血管信息所占的比率输入所述TDUS神经网络，并通过所述TDUS神经网络输出甲状腺结节的良恶性判别结果。

2.根据权利要求1所述的甲状腺结节良恶性识别装置，其特征在于，所述血管数目探测模块包括：

第一判断模块：用于判断当前带有血流信息的像素是否为未标注标签；

第一标注模块：用于在当前带有血流信息的像素为未标注标签时，为当前带有血流信息的像素标注一个新标签；

第二判断模块：用于对当前带有血流信息的像素标注好新标签后，判断当前带有血流信息的像素周围的像素是否存在带有血流信息的像素；

第二标注模块：用于将标注好新标签且当前带有血流信息的像素周围的像素中带有血流信息的像素标注为与当前带有血流信息的像素相同的标签，直到所检查的当前带有血流信息的像素的周围不存在新的未标注标签的带有血流信息的像素，得到当前带有血流信息的像素对应的血管；

第三判断模块：用于判断当前带有血流信息的像素未标注标签是否为最后一个像素，若不是，则将下一个带有血流信息的像素重复所述第一判断模块、第一标注模块、第二判断模块和第二标注模块的操作，直到所有带有血流信息的像素均被标注了标签，得到所述带有血流信息的像素对应的血管数目。