[发明专利]一种基于深度学习的甲状腺核医学图像诊断方法

摘要

一种基于深度学习的甲状腺核医学图像诊断方法，属于信息技术领域。本发明为了解决现有技术对于甲状腺核图像诊断存在一定限制，诊断效率低的问题；本发明方法包括利用三通道阈值检测法确定ROI区域，进行图片裁剪；对病灶图像集进行缩放，旋转和加入高斯噪声处理，组成扩充样本数据集；搭建卷积神经网络用于图像诊断，利用训练集对网络进行训练，得到训练好的新型诊断模型；用训练好的诊断模型对测试集进行疾病诊断，得到每张医学图像的甲状腺疾病诊断结果；本发明使训练的模型拥有更高的鲁棒性，增强了其在医院推广的可能性。

主权项

1.一种基于深度学习的甲状腺核医学图像诊断方法，其特征在于：包括如下步骤：步骤1、采集n张原始医学图像样本，并对其进行诊断，根据诊断结果给予医学图像标签，所述标签包括甲亢病、桥本氏病、亚甲炎和正常人四类；步骤2、对步骤1所述的原始医学图像样本进行分割，得到n张病灶图像；步骤3、采用旋转、放缩、增加白噪声手段对上述病灶图形进行扩增，将步骤2的n张病灶图像扩增为m张，将m张扩增图像分成训练集和测试集；步骤4、搭建卷积神经网路，将训练集作为输入得到图像诊断模型；步骤5、利用图像诊断模型对测试集中的图像进行诊断，得到每种疾病患病概率和最可能类型；步骤6、利用程序对步骤5中的图像名称和诊断结果进行整理输出诊断结果表格。