基于TI-RADS多任务神经网络的甲状腺结节良恶性分类方法

摘要

本发明基于TI‑RADS多任务神经网络的甲状腺结节良恶性分类方法，属于计算机技术的深度学习技术领域；所要解决的技术问题为：提供基于TI‑RADS多任务神经网络的甲状腺结节良恶性分类方法的改进；解决上述技术问题采用的技术方案为：图像预处理；构建卷积神经网络：使用DenseNets 121作为骨干网络，DenseNets 121包含4个Dense Block以及3个Transition层，Dense Block由Dense Layer组成；在每个Dense Block中的瓶颈层的批量归一化层之后插入SGE模块；网络的全连接层具有五个分支，分别对应五个TI‑RADS分类任务，每个分支包含3个线性层；训练卷积神经网络：训练时迁移第一个Dense Block的预训练权重，并通过优化目标函数实现对网络权重的更新与求解；输出甲状腺结节的良恶性分类结果；本发明应用于甲状腺结节良恶性分类。