[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

说明书

一种基于多模态超声数据的特征区域预测方法和装置，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。

技术领域

本文涉及计算机技术领域，尤指一种基于多模态超声数据的特征区域预测方法和装置。

背景技术

甲状腺癌是人类内分泌系统中最常见的恶性肿瘤，根据最新全球癌症统计，世界范围内发病率呈持续上升趋势，将在2030年左右成为第四大常见癌症。对于不同组织病理学亚型的甲状腺癌，转移与复发仍然是疾病治疗与随访的重要关注点。针对于甲状腺肿瘤的检测，目前常用的检查方法仍然是通过超声、CT等影像学检查手段，为临床提供更多参考信息。近年来，随着影像组学研究在医学图像数据处理中的研究与应用，通过影像组学方法分析不同影像数据的信息也可进一步评估甲状腺肿瘤的良恶性。

超声具有操作实时便捷、费用低廉、无创及无辐射等显著特点，是对甲状腺疾病，尤其是提高甲状腺癌早期检出率的一线检查手段。对于甲状腺内的病灶可确定部位、数量、大小、形态学特征、血流特点、病灶与被膜及周边组织或器官的关系等，同时能够对颈部相关区域淋巴结进行评估。然而，超声图像的特征性的描述主要依赖于超声医师的主观判断，对于医师的临床经验和诊断水平提出了较高的要求。

计算机断层扫描(computed tomography，CT)及磁共振成像(magnetic resonanceimaging，MRI)可作为超声检查的补充检查，对于胸骨后的甲状腺病变或体积较大及超声显示不佳的病灶能够更好的显示，并能够进一步了解病灶与周围组织解剖关系及评价是否有局部组织结构侵犯等情况。正电子发射计算机断层扫描(positron emission tomographycomputed tomography，PETCT)则不推荐作为甲状腺癌诊断的术前常规检查，可用于随访中出现Tg升高(10ng/ml)且131I诊断性全身显像(Dx-WBS)阴性者查找转移灶，以及侵袭性PTC进行131I治疗前的评估。

然而，CT检查具有辐射性，且受制于图像分辨率，适用检测范围相对有限。MRI的成像特点对于恶性肿瘤的诊断有显著优势，但操作费时且费用昂贵，不适于对于甲状腺肿瘤的筛查及常规检查。

基于甲状腺原发肿瘤内在的生物学特性与其侵袭性和转移性是密切相关的，不同模态的超声图像反映出的肿瘤多种影像学信息也是不同的。一些技术中仅仅根据单一模态或双模态超声图像特征信息进行构建模型用于评估甲状腺肿瘤良恶性或预测甲状腺癌淋巴结状态，超声图像信息的丰富性决定了参与建立模型的数据量，因此，基于多模态超声图像(灰阶图像+彩色多普勒图像+弹性成像图像等)在预测甲状腺癌淋巴结转移方面的研究是亟待解决的问题。

发明内容

本申请提供了一种基于多模态超声数据的特征区域预测方法和装置，该方法基于多模态超声图像，更加准确的预测病变区域的复发概率。

本申请提供了一种基于多模态超声数据的特征区域预测方法，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。

一种示例性的实施例中，所述多模态的标签图像，包括：超声、灰度、弹性超声影像。

一种示例性的实施例中，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：