一种淋巴结超声图像分类方法

本发明涉及深度学习，具体涉及一种淋巴结超声图像分类方法。

背景技术：

1、

2、淋巴结是构成人体免疫系统的重要免疫器官，淋巴结在人体内的数量巨大，一个人体内大概有五百个左右的淋巴结，遍布全身，比如颈部、腋下和大腿等部位，起着管控人体健康的重要作用，同时参与机体的免疫过程，多种疾病（包括目前常见的新冠）均可侵袭淋巴结，当淋巴结被侵袭出现异常状况时，表示人体中的毒素已经不能正常排出体外，其形态、结构等会发生变化，由于淋巴遍布全身且难以察觉，发病迅速，淋巴癌一旦确诊，并且到了后期，是没有办法治愈的，人们在中年时期容易发病，男女比例都很高，但是早期及时发现并进行治疗，患者有90%的可能性可被治愈，因此，准确得评估淋巴结的良恶性性质对于疾病的预判、诊断、治疗以及预后评估都有着极其重要的意义。

3、以往触诊是诊断淋巴结的重要手段之一，但即使一位经验丰富的临床医生对一些较小的淋巴结仍无法准确地判断其性质，甚至易出现漏诊的情况。超声在浅表淋巴结的影像学检查中起着重要作用，作为目前淋巴结初步诊疗的主流影像学检查方法，凭借其响应速度快、可复制、实时进行监测、无辐射、安全性高等特点，承担着相关疾病筛查、诊断和治疗间或治疗后随访的重要职责。采用超声对淋巴结性质的初步研判，对临床医生的治疗选择具有很大影响，是后续诊断淋巴结疾病的重要手段。

技术实现思路

1、

2、为解决上述情况中的不足，本发明提供一种分类准确的淋巴结超声图像分类方法。

3、本发明的技术方案为：

4、一种淋巴结超声图像分类方法，包括采集不同生理状态的若干淋巴结图像，对各所述淋巴结图像进行二值化处理后进行分类标识，形成具有恶性、良性、健康三个特征的第一数据集；

5、第一步：采集淋巴影像原图，对所述淋巴影像原图中的淋巴结进行分割，并对各分割图像进行归一化处理得到第二数据集；

6、第二步：应用训练后的卷积神经网络对第二数据集的各分割图像进行特征提取，得到第一特征图像，对所述第一特征图像依次进行n步下采样、多头注意力运算后得到第二特征图像，所述第二特征图像与所述第一数据集融合后得到第一分类结果；

7、第三步：对所述第二特征图像进行m步上采样、卷积运算得到第三特征图像，其中，m>n且通过各步运算得到的特征图像获取各步多头注意力运算的权重，将所述第三特征图像与所述第一数据集融合得到第二分类结果；

8、第四步：当所述第一分类结果与所述第二分类结果相同时，作为真值输出。

9、优选的是，根据淋巴结的性质对所述第二数据集中的各淋巴细胞着色。

10、在上述任一方案中优选的是，所述多头注意力运算包括至少4个子分支，各所述子分支被映射为查询q、键k和值v三个参数，各查询通过对所有键的加权求和来计算注意力权重，再将这些权重与相应的值进行加权求和得到输出。

11、在上述任一方案中优选的是，由查询q和键k相乘得到相似度s，通过softmax函数计算出概率p，通过公式得到结果。

12、在上述任一方案中优选的是，对第二步中的所述第二特征图像和第三步中的所述第三特征图像进行边缘处理。

13、在上述任一方案中优选的是，所述边缘处理的方法包括获取原始图像的边界，在目标边界区域上随机选择作为第t轮迭代中的n个初始目标点，通过在每轮迭代中连接个初始目标点形成边界区域，利用交集函数计算传统边界算法获得的真实边界与的重合区域。

14、在上述任一方案中优选的是，所述获取原始图像的边界包括：在选择原始图像的边界点时，设置误差空间。

15、在上述任一方案中优选的是，所述边界点的生成算法的输入为。

16、在上述任一方案中优选的是，所述边界点的生成算法为膨胀系数为的膨胀卷积，生成的边缘关键点特征图像为：图公式可表示为：<msup><mi>q</mi><mi>i</mi></msup><mi>=</mi><mi>σ</mi><mi>{</mi><msubsup><mrow><msubsup><mi>d</mi><mi>1</mi><mi>1</mi></msubsup><mi>{[d</mi></mrow><mi>1</mi><mi>1</mi></msubsup><msup><mi>k</mi><mi>i</mi></msup></mfenced><mi>,</mi><msubsup><mi>d</mi><mi>1</mi><mi>3</mi></msubsup><msup><mi>k</mi><mi>i</mi></msup></mfenced><msubsup><mi>,d</mi><mi>2</mi><mi>3</mi></msubsup><msup><mi>k</mi><mi>i</mi></msup></mfenced><mi>,</mi><msubsup><mi>d</mi><mi>4</mi><mi>3</mi></msubsup><msup><mi>k</mi><mi>i</mi></msup></mfenced><mi>,</mi><msubsup><mi>d</mi><mi>6</mi><mi>3</mi></msubsup><msup><mi>k</mi><mi>i</mi></msup></mfenced><mi>]}}</mi>。

17、本发明的淋巴结超声图像分类方法，通过对淋巴影像原图进行预处理后，得到分割图像，对各分割图像进行特征提取后进行卷积运算和多头注意力运算得到第二特征图像，得到的第二特征图像与第一数据集融合后得到第一分类结果。对第二特征图像进行卷积运算过程中通过各步骤形成的拼接图确定多头注意力权重，形成的第三特征图像与第一数据集融合，得到第二分类结果，将第一分类结果和第二分类结果进行逻辑运算后作为真值输出，因此具有分类准确的有益效果。