申请/专利权人：内蒙古大学

申请日：2024-01-19

公开（公告）日：2024-04-19

公开（公告）号：CN117911772A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/26;G06V10/52;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于分割的多特征信息的甲状腺结节良恶性分类方法，属于医学与信息技术领域，包括以下步骤：步骤S1：数据集处理；步骤S2：分类网络构建；步骤S3：分类模型训练；步骤S4：结节良恶性分类。本发明根据专家经验，通过采用分割+分类的策略对甲状腺结节超声图像进行良恶性分类；在分割网络中，使用AG注意力机制来获取低层特征的空间精确信息，并抑制无关区域的信息来减少冗余；为了克服膨胀卷积存在的网格问题和采样稀疏问题，设计了DASPP模块；最后通过多尺度信息融合，增强了网络的表达能力。

主权项：1.一种基于分割的多特征信息的甲状腺结节良恶性分类方法，其特征在于，包括以下步骤：步骤S1：数据集处理获取多张甲状腺结节图像，在超声科医生的指导下标注良恶性标签，形成数据集，并对数据集中的图像进行数据增强处理，然后将数据集划分为训练集、测试集和验证集；步骤S2：分类网络构建构建甲状腺结节良恶性分类网络，甲状腺结节良恶性分类网络包括多尺度分割网络与知识引导的多分支分类网络，多尺度分割网络用于对图像中的甲状腺结节进行分割，得到结节蒙版图像，多分支网络用于利用分割得到的结节区域图像、结节边缘图像和结节原始图像作为输入进行分类；步骤S3：分类模型训练利用训练集对甲状腺结节良恶性分类网络进行训练，得到训练好的甲状腺结节良恶性分类模型；步骤S4：结节良恶性分类在测试集中验证甲状腺结节良恶性分类模型，利用通过验证的甲状腺结节良恶性分类模型对待检测图像中甲状腺结节的良恶性进行分类，得到结节良恶性分类结果。

全文数据：

权利要求：

百度查询： 内蒙古大学 一种基于分割的多特征信息的甲状腺结节良恶性分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD