基于良性甲状腺模板的恶性结节边缘检测图像处理方法

摘要

本发明提供一种基于良性甲状腺模板的恶性结节边缘检测图像处理方法，通过神经网络对获取的甲状腺三维图像数据集进行学习，形成参数化的良性甲状腺模板；根据待识别甲状腺结节超声图像的标注信息和图像信息，与该良性甲状腺模板进行匹配，并结合该良性甲状腺模板的三维图像及特征信息，对结节进行粗定位，得到结节的初始轮廓曲线；采用局部二值拟合模型对初始轮廓曲线进行迭代和演化，得到演化后的轮廓曲线；对演化后的轮廓曲线进行有效轮廓的选取，得到最终的外围轮廓曲线和分割结果，对结节的位置进行精细定位。本发明自主识别能力更强、对不同甲状腺图像输入适应性更佳、分割效果更好、数值实现更加精确、对于灰度不均匀图像的分割适应性更强。