一种基于较深网络结构的超声结节分级与良恶性预测方法

摘要

本发明涉及医学图像人工智能技术，旨在提供一种基于较深网络结构的超声结节分级与良恶性预测方法。包括：收集足量的超声结节图像，建立用于训练结节分割模型的数据集，以及分级和良恶性分类数据集；以EfficientNet‑B4网络结构作为基础网络，利用数据集进行训练，得到结节分割模型；修改全连接层并列输出结节分级和良恶性分类；使用加权交叉熵损失函数进行训练，得到分级与良恶性分类模型；利用两个模型，将待测试的静态超声图像输入、判断和结节分割，然后对超声图像中结节的分级和良恶性作出预测。与浅层网络相比，本发明提高了结节分割和分类准确率，其中结节分级与良恶性识别具有重要临床意义；可解决不同类别数量不平衡问题，提高样本较少类别的准确率。