[发明专利]一种甲状腺结节良恶性识别装置

说明书

本发明涉及一种甲状腺结节良恶性识别装置，包括：TDUS神经网络构建模块：用于构建TDUS神经网络；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：用于获取TI‑RADS特征数据；感兴趣结节图像提取模块：用于得到感兴趣结节图像；血管信息提取模块：用于从感兴趣结节图像中提取血管信息，得到血管信息位图；血管数目探测模块：用于根据血管信息位图得到血管数目；血管分布估计模块：用于将感兴趣结节图像分为三个区域，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：用于甲状腺结节的良恶性判别。本发明通过TDUS神经网络能够有效识别甲状腺结节的良恶性。

技术领域

本发明涉及辅助医学诊断技术领域，特别是涉及一种甲状腺结节良恶性识别装置。

背景技术

甲状腺癌是全球女性最常见的癌症之一，女性的发病率是男性的三倍。2018年，每20例女性癌症确诊病例中就有一例是甲状腺癌。超声成像是一种无创、无辐射、低成本的肿瘤诊断技术。然而由于超声图像质量较低，从超声图像中识别甲状腺结节和检测肿瘤征象是一项具有挑战性的任务。

恶性肿瘤的生长和进展很大程度上取决于它的血流。彩色多普勒超声(CDUS)是一种理想的超声成像工具，它可以反映灰度超声图像中整个区域的血流信息。然而，与目前的临床实践一样，彩色多普勒超声甲状腺图像中的彩色信号只能进行主观或半主观评价，这些方法限制了彩色多普勒超声作为常规临床工具的广泛应用。因此，一个自动、准确的肿瘤血管定量分析标准对准确诊断肿瘤至关重要。

目前还没有关于定量多普勒特征来提高甲状腺癌分类诊断水平的研究。作为一种新的方法，因此需要从彩色多普勒超声图像中提取定量特征，并进一步利用这些特征对甲状腺结节进行精确分类。

发明内容

本发明所要解决的技术问题是提供一种甲状腺结节良恶性识别装置，通过构建的TDUS神经网络能够有效识别甲状腺结节的癌变情况，且鲁棒性和准确率较高。

本发明解决其技术问题所采用的技术方案是：提供一种甲状腺结节良恶性识别装置，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；

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；

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。

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。