[发明专利]一种基于超声图像的甲状腺结节自动分割方法

权利要求书

1.一种基于超声图像的甲状腺结节自动分割方法，其特征在于，包括以下步骤：

步骤1利用公开甲状腺结节数据集建立训练集及测试集：包括对图像和XML文件进行处理，再经过裁剪得到图像与其对应的标签，按比例分为训练集、测试集和交叉验证集；

步骤2建立甲状腺结节分割网络：

步骤3利用训练集对甲状腺结节分割网络进行训练，得到训练好的分割模型；

步骤4在测试集中验证分割模型，对甲状腺结节进行分割，得到其病灶信息。

2.根据权利要求1所述的一种基于超声图像的甲状腺结节自动分割方法，其特征在于，所述的步骤1中建立训练集，包括以下步骤：

步骤1.1对原始的甲状腺结节病灶图像，进行灰度化处理和高斯平滑，并且进行降噪处理，获得清晰的甲状腺结节病灶图像；

步骤1.2读取开源甲状腺结节超声图像数据集的XML文件，从中获取到甲状腺结节轮廓坐标信息，将坐标信息显示到该甲状腺结节原图上，然后以该轮廓线为甲状腺结节与背景的分界线，将甲状腺结节设为白色，将其背景设为黑色，得到甲状腺结节分割的标签图像；

步骤1.3将甲状腺结节超声图像和其相对应的二值化标签统一成通用图像格式，并且将图片大小从原图的560×360pixel统一缩放为256×256pixel，便是一张处理好的甲状腺结节超声图像，其中圆圈部分即是甲状腺结节的位置，然后采用随机分配的方法按8:1:1的比例，将公开甲状腺结节数据集分为训练集、测试集以及交叉验证集。

3.根据权利要求1所述的一种基于超声图像的甲状腺结节自动分割方法，其特征在于，所述的步骤2中建立甲状腺结节分割网络，包括采用密集连接和空洞卷积策略的前端网络，以及后端网络repair-module，具体步骤如下：

步骤2.1采用ResNet50对甲状腺超声图像进行特征提取得到尺寸为32×32pixel、通道数为256的特征图一；

步骤2.2对特征图一自顶向下进行空洞卷积操作，分别采用卷积扩张率d＝3、d＝6、d＝12、d＝18、d＝24的空洞卷积，所有空洞卷积卷积核尺寸均为3×3pixel，卷积核个数均为64，依次得到特征图二、特征图三、特征图四、特征图五、特征图六，其尺寸均为32×32pixel，通道数均为64；

步骤2.3在步骤2.2的基础上，采用密集连接的方式，将卷积扩张率d＝3、d＝6、d＝12、d＝18、d＝24的空洞卷积之前特征图，与后续的每一个空洞卷积之后得到的特征图进行拼接，最终得到经过密集连接处理过的通道数为128的特征图七、通道数为256的特征图八、通道数为512的特征图九、通道数为1024的特征图十、通道数为2048的特征图十一，其尺寸均为32×32pixel；

步骤2.4对步骤2.3所得到的特征图十一使用repair-module提取整合信息，该模块的输入为特征图十一，输出为特征图十二，其整个网络结构分为三条支路，第一条支路对输入依次进行ReLU函数、卷积核个数为256的1×1pixel卷积，ReLU函数和卷积核个数为256的3×3pixel卷积操作；第二条支路对输入依次进行ReLU函数和卷积核个数为256的3×3pixel卷积操作；而第三条支路为原始输入，最后将这三条支路的输出在通道维度上进行拼接，得到通道数为768，尺寸为32×32pixel的特征图十二；之后再经过一个上采样操作，即可得到最终的输出，输出图像通道数为768，尺寸为256×256pixel。