[发明专利]一种甲状腺结节超声检查系统及方法

说明书

本发明公开一种甲状腺结节超声检查系统及方法，涉及目标检测领域，该系统包括动态输入图像获取模块，用于从甲状腺超声视频中获取连续的动态输入图像；所述动态输入图像为对三个连续采样点的超声图像进行拼接和尺寸调整后的图像；甲状腺结节识别模型，与所述动态输入图像获取模块连接，用于对所述动态输入图像进行甲状腺结节识别，输出识别结果；所述甲状腺结节识别模型为采用数据集对目标检测网络进行训练获得的，所述目标检测网络的骨干网络中加入了Foucs模块，所述Foucs模块用于对所述动态输入图像进行特征提取。本发明提高了甲状腺结节检测的准确性。

技术领域

本发明涉及目标检测领域，特别是涉及一种甲状腺结节超声检查系统及方法。

背景技术

甲状腺结节超声检查是临床中最常见的检测方式，近几年，随着人工智能(Artificial Intelligence，AI)技术的快速发展，通过计算机视觉辅助检测技术可以大大提高临床检测效率。目前，通过深度学习检测技术可以自动捕捉到结节的目标区域，为医生的后续诊断节省大量时间。检测速度、检测稳定性和检测准确率是这一技术的关键指标。

在现有技术中，运用目标检测技术可以实现对视频中单帧静态图像的进行实时检测。但在实际应用中，超声扫查和检测是同步进行的，原有的检测方法会出现检测框不稳定，检测框过程中消失的情况，无法准确得到连续的检测结果，使用体验差。主要原因是由于结节特征多表现为动态特征，仅通过静态的图像无法检测准确，导致动态捕捉不能连续抓取。

发明内容

本发明的目的是提供一种甲状腺结节超声检查系统及方法，提高了甲状腺结节检测的准确性。

为实现上述目的，本发明提供了如下方案：

一种甲状腺结节超声检查系统，包括：

动态输入图像获取模块，用于从甲状腺超声视频中获取连续的动态输入图像；所述动态输入图像为对三个连续采样点的超声图像进行拼接和尺寸调整后的图像；

甲状腺结节识别模型，与所述动态输入图像获取模块连接，用于对所述动态输入图像进行甲状腺结节识别，输出识别结果；

所述甲状腺结节识别模型为采用数据集对目标检测网络进行训练获得的，所述目标检测网络的骨干网络中加入了Foucs模块，所述Foucs模块用于对所述动态输入图像进行特征提取。

可选地，所述动态输入图像获取模块包括动态输入层，所述动态输入层用于输入三个连续采样点的超声图像，分别对第一采样点的超声图像、第二采样点的超声图像和第三采样点的超声图像进行灰度变化后进行图像拼接，得到3通道的拼接图像；将3通道的拼接图像进行尺寸调整得到所述动态输入图像；

所述动态输入层的输出与所述骨干网络的输入连接。

可选地，所述骨干网络包括依次连接的Foucs模块、第一CBL模块、第一CSP1模块、第二CBL模块、第三CBL模块、第二CSP1模块和第四CBL模块；所述第四CBL模块的输出分别连接第一分支和第二分支；

所述第一分支包括依次连接的第五CBL模块、第三CSP1模块和第六CBL模块；

所述第二分支包括依次连接的第七CBL模块、第八CBL模块和SPP模块和第九CBL模块；

所述第四CBL模块的输出、所述第六CBL模块的输出和所述第九CBL模块的输出作为所述骨干网络的三个输出。

可选地，所述目标检测网络还包括与所述骨干网络连接的颈部；所述颈部包括FPN+PAN模块；所述FPN+PAN模块用于特征融合。

本发明公开了一种甲状腺结节超声检查方法，包括：

从甲状腺超声视频中获取连续的动态输入图像；