[发明专利]一种用于甲状腺结节的超声二维图像的分割方法

说明书

本申请公开一种用于甲状腺结节的超声二维图像的分割方法，包括对超声二维图像进行图像增强手段；将处理后的二维图像输入以U‑net结构为基础的模型中，U‑net结构包括n个下采样操作和n个上采样操作，下采样操作由多个不同卷积核的卷积模块组成，每一个卷积模块由池化操作和卷积操作组成，卷积操作分别采用对应尺寸的卷积核来处理输入图像并在后面添加IN操作和Relu操作；上采样操作由多头自注意力机制模块和反卷积模块组成，反卷积模块由卷积核尺寸不同的卷积和双线性插值或转置卷积组成，在每一个卷积操作后，都进行IN操作和Relu操作；通过损失函数来增强分割结果并进行评估；输出分割后的超声二维图像。

技术领域

本申请涉及医疗技术领域，尤其是一种用于甲状腺结节的超声二维图像的分割方法。

背景技术

目前甲状腺癌患者逐渐增多，甲状腺癌的诊断和治疗变得越来越重要。现阶段，超声以其时效性、无辐射等优点成为甲状腺癌筛查的重要手段。但超声检查时十分依靠医师手法和经验，超声成像也很容易受到各种因素的影响。近年来，人工智能技术得到了迅猛发展，利用人工智能对超声图像进行分析来辅助医师进行甲状腺结节的诊断也得到了重视，但是如何精确分割结节区域仍然是一个相对难点。

目前已有的甲状腺辅助诊断技术需要界定出甲状腺结节的病灶区域，对甲状腺结节的精准分割可以用来评估甲状腺结节的各种性质，包括分级、良恶性质等。而由于超声分辨率及噪声的影响，甲状腺超声图像中结节的精准分割准确性不够，容易导致误判。

目前已有的甲状腺超声图像分割技术在精确度方面表现一般，特别是在边缘细节部分分割效果不太好。本发明要解决分割精确度的问题，得到较好的细节部分分割结果。

发明内容

本申请的目的是在于克服现有技术中存在的不足，提供一种具有较高分割精度的用于甲状腺结节的超声二维图像的分割方法。

为实现以上技术目的，本申请提供了一种用于甲状腺结节的超声二维图像的分割方法，包括：

对超声二维图像进行图像增强手段；

将处理后的超声二维图像输入以U-net结构为基础的模型中， U-net结构包括n个下采样操作和n个上采样操作，分别用于提取各分辨率的特征信息，下采样操作由多个不同卷积核的卷积模块组成，每一个卷积模块由池化操作和卷积操作组成，池化操作采用的是最大池化操作，卷积操作分别采用对应尺寸的卷积核来处理输入图像并在后面添加了IN(实例归一化)操作和Relu(线性整流激活)操作，提取该分辨率的图像特征；上采样操作由多头自注意力机制模块和反卷积模块组成，多头自注意力机制模块用于增强模型对各不同区域及分辨率的信息关注程度，反卷积模块由卷积核尺寸不同的卷积和双线性插值或要转置卷积组成，在每一个卷积操作后，都进行IN(实例归一化)操作和Relu(线性整流激活)操作，提取更高分辨率特征；

通过损失函数来增强分割结果并进行评估；

输出分割后的超声二维图像。

进一步地，所述上采样为4个，下采样为4个。

进一步地，所述下采样操作由3个不同卷积核的卷积模块组成，卷积核尺寸分别为3、5、7。

进一步地，所述反卷积模块的卷积的卷积核尺寸为1、3。

进一步地，所述损失函数为交叉熵损失函数、MS-SSIM loss、 FocalTversky_loss或者dice loss。

本申请在网络浅层特征提取区域引入了大卷积核尺寸的卷积操作，在网络深层特征提取区域因引入了小尺度的卷积核来提取特征，增强了对结节细节的分割能力。

附图说明

图1为本申请的流程图；

图2为本申请的U-net的结构图。

具体实施方式