基于深度学习的超声甲状腺结节良恶性特征可视化的方法

摘要

本发明涉及医学图像处理技术，旨在提供一种基于深度学习的超声甲状腺结节良恶性特征可视化的方法。包括：收集同时具备甲状腺结节超声图像和临床手术病理结果的病例数据，区分良恶性并标记结节区域后生成掩模图像；选择深度卷积神经网络基本结构，在所有甲状腺结节的掩模图像数据上进行分割预训练；用模型参数初始化基础网络，构建用于识别的深度卷积神经网络；采用折叠交叉方式训练和验证，得到良恶性识别模型；输入测试图像，使用良恶性识别模型预测识别结果，生成恶性特征可视化图像。本发明能够直观地观察到结节的良恶性概率与图像区域的关系。使用者能更好地分析超声甲状腺结节图像特征，进一步指导临床穿刺检查，提高穿刺手术的成功率。