公开(公告)号：CN117197519A

公开(公告)日：2023-12-08

申请号：CN202310478478.4

申请日：2023-04-28

Applicant: 纽智医疗科技(苏州)有限公司 ,  南昌大学第二附属医院

Inventor： 马贺 ,  许嫣然 ,  黄龙 ,  廖玲敏 ,  章春泉

IPC: G06V10/764 ,  G06V10/774 ,  G06T7/00 ,  G16H30/40 ,  G06N3/0464 ,  G06N3/08 ,  G06F21/62

Abstract: 本发明公开了一种基于深度学习的甲状腺结节超声图像良恶性分类方法，包括：S1、采集超声结节图像样本数据，并进行预处理；S2、建立模型，基于Swin Transformer骨干的残值模块，并采用Instance Normalization算法，损失函数采用三元损失函数；S3、通过反复迭代进行学习训练模型；S4、基于训练完成的模型，根据超声结节图像样本数据，确定甲状腺结节良恶性的类型。以深度学习中的Swin Transformer模型作为基础模型，并在模型中加入残差模块兼顾了CNN和Transformer的特性，采用了三元损失函数，对网络结构进行改良以适应甲状腺结节超声图像的良恶性分类任务；该模型能够帮助医生进行甲状腺结节的快速、准确的诊断，减少医生的工作量，提高诊断的可信度，同时为患者节约出更多的治疗时间。