[发明专利]甲状腺结节分级识别系统及方法

权利要求书

1.一种甲状腺结节分级识别系统，其特征在于，包括：

获取模块，用于获取待检测的甲状腺超声图像；

提取模块，用于提取甲状腺超声图像的图像特征；

识别模块，用于基于提取的图像特征，利用预先训练好的分类模型，获得甲状腺结节分级识别结果；

决策模块，用于根据提取的图像特征，选择确定甲状腺结节状况描述报告的生成模式；

生成模块，用于根据确定的生成模式，生成甲状腺结节状况描述报告。

2.根据权利要求1所述的甲状腺结节分级识别系统，其特征在于，所述决策模块由多个全连接层网络构成，最后一层全连接层使用激活函数，输出决策概率值。

3.一种甲状腺结节分级识别方法，其特征在于，包括：

获取待检测的甲状腺超声图像；

提取甲状腺超声图像的图像特征；

基于提取的图像特征，利用预先训练好的分类模型，获得甲状腺结节分级识别结果；

根据提取的图像特征，选择确定甲状腺结节状况描述报告的生成模式；

根据确定的生成模式，生成甲状腺结节状况描述报告。

4.根据权利要求3所述的甲状腺结节分级识别方法，其特征在于，预先训练好的分类模型使用训练集训练得到，所述训练集包括多张甲状腺超声图像以及标注甲状腺超声图像中不同级别类型甲状腺结节的标签。

5.根据权利要求4所述的甲状腺结节分级识别方法，其特征在于，依据甲状腺肿瘤超声特征以及甲状腺肿瘤TI-RADS分级标准，将甲状腺超声图像从良恶性、回声、边界、形状和纵横比五个方面进行分类。

6.根据权利要求3所述的甲状腺结节分级识别方法，其特征在于，根据提取的图像特征，计算决策概率值，选择概率值最大所对应的决策作为描述报告的生成决策。

7.根据权利要求6所述的甲状腺结节分级识别方法，其特征在于，所述描述报告的生成决策包括：使用一个多任务卷积神经网络训练得到的生成模型生成描述报告。

8.根据权利要求6所述的甲状腺结节分级识别方法，其特征在于，所述描述报告的生成决策包括：选择独立于现有的诊断报告的语句结构，构成模板数据库；使用基于检索的方法来选择模板数据库中的句子生成描述报告。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求3-8任一项所述的甲状腺结节分级识别方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求3-8任一项所述的甲状腺结节分级识别方法的指令。