[发明专利]基于二维超声图像的甲状腺体积自动估算方法及系统

说明书

本发明公开了一种基于二维超声图像的甲状腺体积自动估算方法及系统，其中，该方法包括通过超声设备采集甲状腺的二维超声图像；利用深度学习算法对二维超声图像进行语义分割，获得二值分割图像；根据二值分割图像计算每个纵扫截面甲状腺侧叶的最大长度a，每个横扫截面甲状腺侧叶的最大宽度b和最大厚度c_max，自动选出最大横向截面和最大纵向截面；处理最大横向截面和最大纵向截面，在最大纵向截面上沿最大长度a方向，按宽度比c(a)/c_max等比缩放最大横向截面面积，得到甲状腺估算体积。该方法有效解决了传统甲状腺体积测量专业性强、操作难度高导致的甲状腺体积测量效率较低、加重医生工作负担的技术问题，满足了自动化的要求，同时能有效提高甲状腺体积测量精度。

技术领域

本发明涉及超声医学图像处理技术领域，特别涉及一种基于二维超声图像的甲状腺体积自动估算方法及系统。

背景技术

甲状腺肿、甲状腺炎、甲状腺癌等甲状腺疾病的发生大多伴随着甲状腺体积的变化，甲状腺体积的准确测量在甲状腺疾病预防、诊断及疗效判断等方面发挥着至关重要的作用。

目前，基于二维超声图像的甲状腺体积测量方案中，通过医生手动选择横扫及纵扫时的甲状腺最大截面，并由医生手动辅助计算机定位甲状腺最大截面中的最长径，最后根据下述经验公式估算出甲状腺体积。

V＝0.479×abc/1000

其中，V为甲状腺体积，单位为ml，a、b、c分别为两个侧叶的最大长度(上下径)、宽度(左右径)、厚度(前后径)，用mm表示，左右两侧叶体积之和即为总体积。

但是此类方案通常极其依赖于医生的专业知识和临床经验，同时需要医生手动挑选出甲状腺最大截面，并手动定位出最大长度、宽度及厚度，导致甲状腺体积测量专业性强且操作难度高，造成甲状腺体积测量效率较低，同时加重了医生的工作负担。而且该经验公式较为粗糙，无法根据特定的甲状腺超声图像做出相应的调整，进而甲状腺体积测量精度低。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于二维超声图像的甲状腺体积自动估算方法，该方法提高了甲状腺体积测量效率、减轻了医生工作负担。

本发明的另一个目的在于提出一种基于二维超声图像的甲状腺体积自动估算系统。

为达到上述目的，本发明一方面实施例提出了基于二维超声图像的甲状腺体积自动估算方法，包括以下步骤：步骤S101，利用超声设备对甲状腺进行连续横扫及纵扫，以采集多张二维超声图像；步骤S102，利用深度学习算法对所述多张二维超声图像进行语义分割，获得多张二值分割图像；步骤S103，根据所述多张二值分割图像计算每个纵扫截面甲状腺侧叶的最大长度a，每个纵扫截面甲状腺侧叶的最大宽度b和最大厚度c_max，自动选出最大横向截面和最大纵向截面；步骤S104，处理所述最大横向截面和所述最大纵向截面得到甲状腺估算体积。

本发明实施例的基于二维超声图像的甲状腺体积自动估算方法，解决了现有技术中基于二维超声图像的甲状腺体积测量需要医生手动挑选出甲状腺最大截面，且手动定位出甲状腺边界位置，专业性强且操作难度高，导致甲状腺体积测量效率较低、加重医生工作负担的技术问题。

另外，根据本发明上述实施例的基于二维超声图像的甲状腺体积自动估算方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述步骤S102进一步包括：

利用所述深度学习算法对所述多张不同截面的二维超声图像进行上采样、降采样和卷积操作，提取所述多张不同截面的二维超声图像的多个关键特征，进而得到所述多张二值分割图像。