[发明专利]一种基于迁移学习与特征融合的超声甲状腺结节良恶性分类系统

权利要求书

1.一种基于迁移学习与特征融合的超声甲状腺结节良恶性分类系统，其特征在于，包括以下模块：

模块一，对包含结节区域的超声图像进行预处理，采用各向异性扩散斑点抑制方法进行斑点噪声消除，并将图像缩放为统一尺寸；

模块二，对模块一得到的每一张图像，分别提取包括HOG、LBP、SIFT-VLAD在内的底层特征；

模块三，将模块一得到的每一张图像，输入到已通过ImageNet数据集训练后的VGG-F模型，包括5个卷积层和3个全连接层，并提取第二个全连接层的输出向量作为该图像的高层语义特征，该层输出向量为4096维；

模块四，将模块二和三提取的特征合并，根据良恶性甲状腺结节的区分度进行特征筛选，得到最终的显著特征描述向量；

将模块二和三提取的特征向量首尾相连直接连缀成一维向量，根据良恶性甲状腺的区分度进行特征筛选，即，根据以下公式得到N维特征的区分度，从N维特征分量中选择K个显著分量：

其中，MB代表良性，MM代表恶性，N代表特征维数，v_ik代表第i个图像样本的第k维特征，将计算得到的diff_k从大到小排列，选择前K个对应的特征描述子分量作为显著特征，组成新的特征描述子，得到最终的显著特征描述向量；

模块五，将医生已标记好的甲状腺结节超声图像作为训练集，利用支持向量机(SVM)及模块四得到的显著特征描述向量进行样本训练，得到针对超声甲状腺结节的分类器；

模块六，将待分类的甲状腺结节超声图像按照模块二-四提取到其特征向量，并输入模块五得到的分类器，得到该结节良恶性分类结果。