申请/专利权人：太原理工大学

申请日：2022-05-30

公开（公告）日：2024-04-09

公开（公告）号：CN115018780B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/136;G06V10/774;G06N5/04;A61B8/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.09.23#实质审查的生效;2022.09.06#公开

摘要：本发明涉及计算机辅助医疗和医学影像处理领域，种融合全局推理和MLP架构的甲状腺结节分割方法，具体流程包括：使用阈值法对甲状腺超声图像进行预处理，并调整为256×256像素大小，将预处理之后的数据基于五折交叉验证方法划分训练集和测试集；然后构建甲状腺结节分割模型：以MLP为基础架构，融合了基于图卷积的全局推理模块和金字塔特征层；接下来利用训练集对甲状腺结节分割模型进行训练，在测试集上对甲状腺结节进行预测，得到分割结果；最后计算模型分割效果和效率的指标值。

主权项：1.一种融合全局推理和MLP架构的甲状腺结节分割方法，其特征在于：按如下步骤进行步骤1、使用阈值法对获取的已有甲状腺结节分割结果的甲状腺超声图像进行预处理并调整为相同大小的图片，然后基于五折交叉验证方法划分为训练数据和测试数据；步骤2、以轴向移位MLP为基础架构构建网络模型即甲状腺结节分割模型，甲状腺结节分割模型在编码部分融合基于图卷积的全局推理模块完成图片全局上下文关系的建模，甲状腺结节分割模型在解码部分引入金字塔特征层完成多尺度特征交互；以轴向移位MLP为基础架构构建网络模型即甲状腺结节分割模型包括如下步骤步骤21、输入的甲状腺超声图片经过由轴向移位MLP模块和全局推理模块组成的四阶段编码器实现图片特征编码，这里将甲状腺超声图片特征的尺寸表征为，其中分别为图片特征张量的高、宽和维度，在每个编码阶段先将图片特征下采样为不同高、宽和维度的特征，再先后输入全局推理模块和轴向移位MLP模块进行图片特征编码；步骤22、对输入的甲状腺超声图片使用提前预训练好的主干网络EfficientNet-D4进行特征提取，使用双线性插值法对提取到的特征进行上采样，从而得到多尺度特征来构建金字塔特征层；将步骤21进行图片特征编码后的输出特征输入金字塔特征层进行解码，解码过程为先将进行图片特征编码后的输出特征与金字塔特征层的输出特征相加，然后经过卷积层将特征维度转换为分割类别数，再经过一个1×1卷积层，输出各像素点属于结节区域的置信度分数，置信度分数越大属于结节区域的可能性越大，设定置信度分数阈值并根据阈值对图片每个像素点进行二分类，分为结节区域和背景区域，从而得到整张甲状腺超声图片的结节分割结果；步骤3、使用步骤1划分好的训练数据对构建好的甲状腺结节分割模型进行训练，然后用步骤1划分好的测试数据对经过训练的甲状腺结节分割模型进行测试，测试数据在经过训练的甲状腺结节分割模型的准确率达到标准要求时，经过训练的甲状腺结节分割模型即为训练好的甲状腺结节分割模型；步骤4、将待分割的甲状腺超声图像进行步骤1同样的预处理后输入训练好的甲状腺结节分割模型，得到待分割的甲状腺超声图像的甲状腺结节分割结果。

全文数据：

权利要求：

百度查询： 太原理工大学 一种融合全局推理和MLP架构的甲状腺结节分割方法

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