【技术实现步骤摘要】
本专利技术涉及图像处理，具体地，涉及一种超声图像中甲状腺结节的医学流形矢量集分类方法。
技术介绍
1、甲状腺结节在临床上非常常见，在过去的二十年里，甲状腺结节的发病率持续走高，其部分原因是医疗检测技术的发展提高了检出率，使用多种医疗影像学方法可以将一些无症状的甲状腺小结节检查出来。其中，超声检查由于具有安全无辐射、操作方便、成本低廉等优点，成为甲状腺结节检查的最常用方法。超声检查通过测量甲状腺结节的大小、边界、形态、回声及血流信息等重要征象对甲状腺结节进行诊断。二维超声中，对超声征象的研究分析越全面，精准度越高，但是也更费时、费人力，且超声检查因其对操作医师的主观依赖性，在诊断准确率、规范化和统一性方面一直受到限制。
2、现有的甲状腺结节超声图像特征的自动分析方法多为使用有监督学习训练多任务分类网络，例如公开号为cn111341443a和cn112270667a的中国专利，需要对结节的回声、成分、边界、点状强回声等特征进行标注，制作数据集难免耗费大量人力成本和时间成本。其他方法如公开号为cn112102311a的中国专利中提出的囊性成分分析方法则仅使用了像素值信息，囊性和实性区域分割精度受限，难以适应复杂结构的结节。
技术实现思路
1、本专利技术针对现有技术中存在的上述缺点，提供了一种甲状腺结节的医学流形矢量集分类方法。
2、根据本专利技术的一个方面，提供一种超声图像中甲状腺结节的医学流形矢量集分类方法，包括：
3、获取甲状腺结节超声图像的数据集
4、采用流形映射网络，获取所述甲状腺结节超声图像各像素点的高维矢量坐标，得到高维矢量空间；
5、基于傅里叶变换对所述高维矢量空间进行降维；
6、在单个结节内，基于矢量相似度，对降维后的高维矢量空间，采用层次聚类法自下而上进行像素或超像素合并，形成矢量集，生成该结节对应的流形矢量类别分布图；
7、基于所有结节的流形矢量类别分布图，在全局范围内度量不同矢量空间矢量集之间的距离，并合并距离相近的矢量集，最终得到各矢量集的分类结果；
8、基于各矢量集的分类结果，进行良性和恶性结节分布统计。
9、优选地，所述流形映射网络的结构包括编码器部分和解码器部分，且能够接受任意尺寸的甲状腺结节超声图像作为输入；
10、所述编码器部分包括多个卷积模块，每个卷积模块进行卷积、批标准化、激活函数、池化操作中的一种或多种；每个所述卷积模块的strides均为1；多个所述卷积模块为尺度不同的空洞卷积，能够获取不同的感受野；
11、所述解码器部分与所述编码器部分对称，包括多个反卷积模块，每个反卷积模块进行卷积、批标准化、激活函数、池化操作中的一种或多种，每个所述反卷积模块的strides均为1；
12、所述编码器部分的输出为高维矢量空间，其包含不同大小感受野下的多维结节特征图，且该特征图的尺寸与所述流形映射网络的输入尺寸相同。
13、优选地，所述基于傅里叶变换对所述高维矢量空间进行降维，包括：
14、统计高维矢量空间的各维空间中非零值比例，剔除非零值占比低于设定阈值的坐标维度；
15、获取每个矢量维度对应的特征图的二维傅里叶变换频谱图，并计算各个维度得分；
16、基于所述频谱图计算两个特征图之间的皮尔逊相关系数；
17、针对结节图像，结合所有维度得分和所述皮尔逊相关系数得出该结节最优的n维矢量空间。
18、优选地，所述获取矢量维度对应的特征图的二维傅里叶变换频谱图，并计算各个维度得分，包括：
19、每个维度得分方式具体为：
20、score＝scorelf+αscorehf
21、
22、
23、其中，scorelf为低频区域分数，scorehf为高频区域分数，α为实常数，fl为频谱图中截取的低频区域矩阵，fh为频谱图中截取的高频区域矩阵，n1和n2为fl矩阵或fh矩阵的尺寸。
24、优选地，所述针对结节图像，结合所有维度得分和所述皮尔逊相关系数得出该结节最优的n维矢量空间，包括：
25、针对每张结节图像，选择维度分值最小的一个维度作为起始维度；
26、将皮尔逊相关系数的绝对值作为矢量维度之间的相关系数，计算矢量空间内其余维度与起始维度的相关系数scorer，选择score+βscorer最小的维度，其中β为常数；
27、计算矢量空间内其余维度与已选择维度的相关系数的平均值选择最小的维度，重复此步骤直至该矢量空间已选择维度数量达到预设数量。
28、优选地，所述在单个结节内，基于矢量相似度，对降维后的高维矢量空间，采用层次聚类法自下而上进行像素或超像素合并，生成该结节对应的流形矢量类别分布图，包括：
29、使用欧式距离作为所述矢量相似度；
30、为单个结节内所有像素点编号作为初始类别，获得多个类别的点集；
31、针对每个类别的点集，获取其周围相邻类别号；
32、针对每个类别的点集，计算该类别与其所有相邻类别的距离，找到并记录距离最小的类别号；
33、若两个类别互为对方的距离最小类别，则认为两个类别匹配成功，将匹配成功的类别对进行合并和重新编号；
34、重复上述操作直至达到终止条件：相邻类别数量小于某指定阈值，或结节内类别总数小于某指定阈值，或无匹配成功的类别；
35、当达到上述终止条件后，再使用agnes方法进行层次聚类减少类别数至目标数量。
36、优选地，所述基于所有结节的流形矢量类别分布图，在全局范围内度量不同矢量空间矢量集之间的距离，并合并距离相近的矢量集，最终得到各矢量集的分类结果，包括：
37、在所有矢量集中随机抽取设定数量的样本进行聚类；
38、设计不同矢量空间下矢量集距离和类别距离的度量方法；
39、采用自下而上的层次聚类方法进行类别合并直至全局类别数降低至某指定阈值；
40、根据矢量集距离对样本之外的矢量集进行分类。
41、优选地，不同矢量空间下矢量集距离的度量方法，包括：
42、对于矢量集psi，计算其与样本中其余各个矢量集之间的距离，并记录最小距离与最大距离：
43、
44、其中，psi和psj为两个不同的矢量集，fli和flj分别为矢量集psi和psj矢量空间维度列表，coordinate(psj,fli)表示矢量集psj在fli维度下的坐标矩阵，表示矢量集psj在fli维度下的中心点坐标，表示矢量集psi和psj在矢量集psi对应的矢量空间维度下的距离；mindi和maxdi分别表示在矢量空间维度fli下，矢量集psi与其余矢量集之间的最小距离和最大距离。
45、优选地，不同矢量空间下类别距离的度量方法，包括：
46、对于类别其中包括一个或多个本文档来自技高网...
【技术保护点】
1.一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，包括：
2.根据权利要求1所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述流形映射网络的结构包括编码器部分和解码器部分，且能够接受任意尺寸的甲状腺结节超声图像作为输入；
3.根据权利要求1所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述基于傅里叶变换对所述高维矢量空间进行降维，包括：
4.根据权利要求3所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述获取矢量维度对应的特征图的二维傅里叶变换频谱图，并计算各个维度得分，包括：
5.根据权利要求3所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述针对结节图像，结合所有维度得分和所述皮尔逊相关系数得出该结节最优的n维矢量空间，包括：
6.根据权利要求1所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述在单个结节内，基于矢量相似度，对降维后的高维矢量空间，采用层次聚类法自下而上进行像素或超像素合并，生
7.根据权利要求1所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述基于所有结节的流形矢量类别分布图，在全局范围内度量不同矢量空间矢量集之间的距离，并合并距离相近的矢量集，最终得到各矢量集的分类结果，包括：
8.根据权利要求7所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，不同矢量空间下矢量集距离的度量方法，包括：
9.根据权利要求7所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，不同矢量空间下类别距离的度量方法，包括：
10.根据权利要求7所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述根据矢量集距离对样本之外的矢量集进行分类，包括：
...【技术特征摘要】
1.一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，包括：
2.根据权利要求1所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述流形映射网络的结构包括编码器部分和解码器部分，且能够接受任意尺寸的甲状腺结节超声图像作为输入；
3.根据权利要求1所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述基于傅里叶变换对所述高维矢量空间进行降维，包括：
4.根据权利要求3所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述获取矢量维度对应的特征图的二维傅里叶变换频谱图，并计算各个维度得分，包括：
5.根据权利要求3所述的一种超声图像中甲状腺结节的医学流形矢量集分类方法，其特征在于，所述针对结节图像，结合所有维度得分和所述皮尔逊相关系数得出该结节最优的n维矢量空间，包括：
6.根据权利要求1所述的一种超声图像中甲状腺结节的医...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。