[发明专利]基于人工神经网络模型超声造影特征自动识别系统及方法

权利要求书

1.一种基于人工神经网络模型超声造影特征自动识别系统，其特征在于，包括：

输入超声造影图像数据的数据输入单元；

收集并存储所输入的所述超声造影图像数据的数据存储单元；

从收集到的所述超声造影图像数据中提取各种超声造影图像特征的数据处理单元，所 述数据处理单元配置为基于所述各种超声造影图像特征及其所对应的识别结果构建人工 神经网络，并基于所述人工神经网络识别待处理的图像；

输出所述数据处理单元的处理结果的数据输出单元。

2.根据权利要求1所述的系统，其特征在于，所述数据处理单元配置为根据所述各种超 声造影图像特征逐步回归选取最重要的图像特征，剔除无关的图像特征分别采用前向选择 和后向选择法构建所述人工神经网络。

3.一种基于人工神经网络模型超声造影特征自动识别方法，其特征在于，包括：

输入超声造影图像数据；

收集并存储所输入的所述超声造影图像数据以建立超声造影图像数据库；

从收集到的所述超声造影图像数据中提取各种超声造影图像特征；

根据所述各种超声造影图像特征及其所对应的识别结果构建人工神经网络；

基于所述人工神经网络识别待处理的图像；

输出待处理的图像的识别结果。

4.根据权利要求3所述的方法，其特征在于，所述超声造影图像包括静态图像和/或动 态图像。

5.根据权利要求4所述的方法，其特征在于，提取各种超声造影图像特征的步骤包括手 动勾画病灶的轮廓及部位，并将各所述超声造影图像转换成规定的格式。

6.根据权利要求4所述的方法，其特征在于，还包括采用平滑滤波及时间-序列流动平 均技术对所述动态图像进行处理。

7.根据权利要求3所述的方法，其特征在于，还包括采用滤波和/或多重灰阶阈值技术 对所述超声造影图像进行分割。

8.根据权利要求3所述的方法，其特征在于，还包括提取所述超声造影图像的时域特 征。

9.根据权利要求3所述的方法，其特征在于，还包括提取所述超声造影图像的增强形态 和/或增加水平特征。

10.根据权利要求3所述的方法，其特征在于，还包括根据所述各种超声造影图像特征 逐步回归选取最重要的图像特征，剔除无关的图像特征分别采用前向选择和后向选择法构 建所述人工神经网络。