公开(公告)号：CN114155202A

公开(公告)日：2022-03-08

申请号：CN202111334195.X

申请日：2021-11-11

Applicant: 南昌大学第一附属医院

Inventor： 周爱云 ,  徐盼 ,  邱桃荣 ,  付豪

IPC: G06T7/00 ,  G06T7/187 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了基于特征融合和迁移学习的甲状腺结节超声图像分类方法，包括：采集甲状腺超声波影像进行预处理，提取出感兴趣区域并进行人工标记去除和降噪，并利用加权自适应伽马校正；进行图像增强，对图像增强后的样本数据集进行样本拓展，并利用拓展样本对预训练过的ResNet18卷积神经网络进行迁移学习微调；将自适应阈值LTP算子提取出的丰富纹理特征作为辅助输入，与超声图像通过多层卷积自动提取出的深层特征进行多尺度特征融合，共同对神经网络进行二次微调训练。本发明解决训练样本数量不足的问题，降低了模型的过拟合风险，还有效地将不同尺度的纹理特征和深层特征融合为联合特征参与网络训练，从而提升深层神经网络对甲状腺结节图像的分类效果。