[发明专利]一种基于多模态超声数据的特征区域预测方法和装置

权利要求书

1.一种基于多模态超声数据的特征区域预测方法，其特征在于，方法包括：

获取待预测的超声图像，并将满足预设条件的超声图像输入到分割网络模型中，得到多模态的标签图像；

采用预训练特征提取模型分别从多模态的标签图像中获取高维特征数据；

对所述高维特征数据进行降维处理，并利用预先训练好的分类器确定病变区域的诊断结果。

2.根据权利要求1所述的基于多模态超声数据的特征区域预测方法，其特征在于，

所述多模态的标签图像，包括：超声、灰度、弹性超声影像。

3.根据权利要求1所述的基于多模态超声数据的特征区域预测方法，其特征在于，所述将满足预设条件的超声图像输入到分割网络模型中，得到多模态的标签图像，包括：

对满足预设条件的超声图像针对每个模态分别执行以下操作：

利用第一通道中的bounding-box预测模型进行标注，确定病变区域的第一位置；

利用第二通道将所述病变区域的第一位置进行标注；

利用第三通道根据所述标注确定所述病变区域的第一位置的标签图像。

4.根据权利要求3所述的基于多模态超声数据的特征区域预测方法，其特征在于，所述采用预训练特征提取模型分别从多模态的标签图像中获取高维特征数据，包括：

将所述标签图像与所述超声图像进行联合处理得到病灶区域图片；

根据所述病灶区域图片采用VIT特征提取骨架获得原始输入图像的高维特征数据。

5.根据权利要求4所述的基于多模态超声数据的特征区域预测方法，其特征在于，所述将所述标签图像与所述超声图像进行联合处理得到病灶区域图片，包括：

将待预测的超声图像与所述标签图像分别转化为Numpy数组；

将转化后的Numpy数组进行相乘，得到病灶区域的图片。

6.根据权利要求5所述的基于多模态超声数据的特征区域预测方法，其特征在于，所述根据所述病灶区域图片采用VIT特征提取骨架获得原始输入图像的高维特征数据后，方法还包括：

通过特征降维处理方法对所述高维特征进行筛选，得到降维特征；

并对所述降维特征进行融合。

7.根据权利要求6所述的基于多模态超声数据的特征区域预测方法，其特征在于，所述特征降维处理方法，包括：

卡方、PCA和Lasso回归。

8.根据权利要求7所述的基于多模态超声数据的特征区域预测方法，其特征在于，所述利用预先训练好的分类器确定病变区域的诊断结果，包括：

将所述降维特征输入到预先训练好的分类器中，得到预测概率；

根据所述预测概率确定所述病灶区域的诊断结果。

9.一种基于多模态超声数据的病变区域预测装置，其特征在于，包括存储器和处理器；其特征在于，所述存储器用于保存用于基于多模态超声数据的病变区域预测程序，所述处理器用于读取执行所述用于基于多模态超声数据的病变区域预测的控制程序，执行如权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时进行如权利要求1-8任一项所述的基于多模态超声数据的病变区域预测方法。