[发明专利]一种甲状腺的结节TI-RADS分级系统及方法

权利要求书

1.一种甲状腺的结节TI-RADS分级方法，其特征在于，所述方法具体包括：

S101，通过应用图像形态学方法对第一图像数据集降噪；

S102，对第一图像数据集进行数据增强形成第二图像数据集；

S103，训练深度学习网络组形成第一模型组；

S104，将训练好的所述第一模型组通过领域适配方法提升识别效果；

S105，通过参数搜索对所述第一模型组融合得到第二模型。

2.根据权利要求1所述甲状腺的结节TI-RADS分级方法，其特征在于，通过应用图像形态学方法对第一图像数据集降噪具体包括：

通过应用图像形态学方法对所述第一图像数据集中的第一甲状腺超声图像灰度化处理，得到二值化的第二甲状腺超声图像；将所述第二甲状腺超声图像进行图像开运算，对第二甲状腺超声图像先腐蚀再膨胀，用于去除第二甲状腺超声图像中的噪音。

3.根据权利要求1所述甲状腺的结节TI-RADS分级方法，其特征在于，对第一图像数据集进行数据增强形成第二图像数据集具体包括：当第一图像数据集为小数据集时，在训练深度学习网络组之前对所述第一图像数据集中的第一甲状腺超声图像进行增强处理。

4.根据权利要求1所述甲状腺的结节TI-RADS分级方法，其特征在于，对第一图像数据集进行数据增强形成第二图像数据集具体还包括：当第一图像数据集为大数据集时，在训练深度学习网络组时对所述第一图像数据集中的第一甲状腺超声图像进行增强处理。

5.根据权利要求1所述甲状腺的结节TI-RADS分级方法，其特征在于，训练深度学习网络组形成第一模型组具体包括：通过ResNet网络结构、GoogLeNet网络结构、VGG16网络结构、AlexNet网络结构和DenseNet网络结构分别作为骨干网络对所述第二图像数据集中的第二甲状腺超声图像进行甲状腺结节特征提取。

6.一种计算机设备，其特征在于，包括：

处理器，其被配置为执行权利要求1至5任一所述的甲状腺的结节TI-RADS分级方法；

存储器，其用于存储所述处理器的可执行指令。

7.一种可读存储介质，其特征在于，所述可读存储介质中存储有指令，当所述可读存储介质在处理组件上运行时，使得处理组件执行权利要求1至5任一所述的甲状腺的结节TI-RADS分级方法。

8.一种甲状腺的结节TI-RADS分级系统，其特征在于，包括：

降噪模块，用于通过应用图像形态学方法对第一图像数据集降噪；

增强模块，其与所述降噪模块电性相连，用于对第一图像数据集进行数据增强形成第二图像数据集；

训练模块，其与所述增强模块电性相连，用于训练深度学习网络组形成对应的第一模型组；

适配模块，其与所述训练模块电性相连，将训练好的所述第一模型组通过领域适配方法提升识别效果；

集成模块，其与所述适配模块电性相连，通过参数搜索对所述第一模型组融合得到第二模型。

9.根据权利要求8所述甲状腺的结节TI-RADS分级系统，其特征在于，所述深度学习网络组包括ResNet网络结构、GoogLeNet网络结构、VGG16网络结构、AlexNet网络结构和DenseNet网络结构；所述ResNet网络结构、所述GoogLeNet网络结构、所述VGG16网络结构、所述AlexNet网络结构和所述DenseNet网络结构分别作为骨干网络对所述第二图像数据集中的第二甲状腺超声图像进行甲状腺结节特征提取。

10.根据权利要求8所述甲状腺的结节TI-RADS分级系统，其特征在于，所述降噪模块通过应用图像形态学方法对第一图像数据集降噪具体包括：

所述降噪模块应用图像形态学方法对所述第一图像数据集中的第一甲状腺超声图像灰度化处理，得到二值化的第二甲状腺超声图像；将所述第二甲状腺超声图像进行图像开运算，对第二甲状腺超声图像先腐蚀再膨胀，用于去除第二甲状腺超声图像中的噪音。