(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210730784.8 (22)申请日 2022.06.24 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 陈逸飞　李欣然　章欣　李丹丹　 王艳　沈毅　 (74)专利代理 机构 哈尔滨龙 科专利代理有限公 司 23206 专利代理师 李智慧 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06T 7/11(2017.01) G06N 20/00(2019.01) (54)发明名称 一种基于多成分邻域的小数据甲状腺超声 图像分割方法 (57)摘要 本发明公开了一种基于多成分邻域的小数 据甲状腺超声 图像分割方法， 所述方法如下： 加 载甲状腺超声原始成分图像， 为每幅图像匹配对 应的图像分割标签并划分原始成分数据集， 然后 提取边缘 成分图像和超像素成分图像； 利用多成 分数据集训练三个U ‑Net分割算法， 以获得初步 分割结果和多成分分割输出， 进而提取多成分小 邻域特征并配以像素二分类标签； 在多成分邻域 极限学习机中完成特征融合、 最小冗余度 ‑最大 相关度特征筛选和极限学习机训练， 获取像素分 类结果并重构， 以获得増补性分割结果； 利用 増 补性分割结果， 改进初步分割结果的边缘环形关 注区域， 以获取改进的最终分割结果。 本发明方 法可以在小数据下获得精度更高的甲状腺超声 分割结果。 权利要求书4页 说明书7页 附图4页 CN 115019045 A 2022.09.06 CN 115019045 A 1.一种基于多成分邻域的小数据甲状腺超声图像分割方法， 其特征在于所述方法包括 如下步骤： 步骤一： 加载甲状腺超声原始成分图像， 为每幅图像匹配对应的图像分割标签并划分 原始成分数据集， 然后提取边缘成分图像和超像素成分图像， 得到边缘成分图像训练集和 超像素成分图像训练集； 步骤二： 利用多成分数据集训练三个U ‑Net分割算法， 以获得初步分割结果和多成分分 割输出， 进 而提取多成分小邻域特 征Fx,y,fx,y并配以像素二分类标签； 步骤三： 在多成分邻域极限学习机 中完成特征融合、 最小冗余度 ‑最大相关度特征筛选 和极限学习机训练， 获取像素分类结果并重构， 以获得増补性分割结果； 步骤四： 利用増补性分割结果， 改进初步分割结果的边缘环形关注区域， 以获取改进的 最终分割结果。 2.根据权利要求1所述的基于多成分邻域的小数据甲状腺超声图像分割方法， 其特征 在于所述 步骤一的具体步骤如下： 步骤一一、 加载全部甲状腺超声原始成分图像 其中 代表第*幅 原始成分图像， 共计X幅， 并为每幅原始成分图像按相同的列队匹配图像分割标签 其中 代表第*幅分割图像标签； 步骤一二、 在保证来自同一甲状腺的图像被划分到相同子集的情况下， 按照数据划分 规则将全部甲状腺超声原始成分图像划分为具有M幅原始成分图像的训练集 和具有N幅原始成分图像的测试集 以构成原始 成分数据集； 步骤一三、 基于步骤一二构建的原始成分数据集， 利用索贝尔算子处理原始成分图像， 得到边缘成分图像 随后， 为全部提取的边缘成分图像按相同列队配以边缘成 分图像Limage， 以构成边缘 成分图像训练集 和边缘成分图像测试 集 步骤一四、 基于步骤一二构建的原始成分数据集， 利用简单线性聚类处理原始成分图 像， 得到超像素成分图像TSP、 tSP， 在完成迭代i次后， 原始成分图像的全部P像素点被聚类为 K个超像素， 以获得超像素成分 图像TSP、 tSP； 随后， 为全部提取的超像素成分图像按相同列 队配以边缘成分图像Limage， 以构成超像素成分图像训练集 和超像素 成分图像测试集 3.根据权利要求2所述的基于多成分邻域的小数据甲状腺超声图像分割方法， 其特征 在于所述T*Sobel的计算公式如下： 权　利　要　求　书 1/4 页 2 CN 115019045 A 2所述原始成分图像中像素点p(x,y)的亮度计算公式如下： 式中， l(·)为像素亮度， ccj为聚类中心点， cc*为某像素距离最近的聚类中心点， 为步长， x和y分别为像素的横纵坐标， xj和yj分别为聚类中心的横纵坐标。 4.根据权利要求1所述的基于多成分邻域的小数据甲状腺超声图像分割方法， 其特征 在于所述 步骤二的具体步骤如下： 步骤二一、 利用步骤一中获取的原始成分图像训练集TUS、 边缘成分图像训练集TSobel和 超像素成分图像训练集TSP， 分别训练一个U ‑Net， 训练后获得三个深度学习分割算法 和 步骤二二、 基于步骤一中获取的原始成分测试集tUS， 通过 获取初步分割结果 RP r e， 同 时 ， 基于 和 倒数 第一 层之前的 算法 ， 记为 和 利用甲状腺多成分图像数据集tUS、 tSobel和tSP获取多成分 甲状腺分割输出OUS、 OSobel和OSP； 步骤二三、 基于步骤二二获取的多成分甲状腺分割输出OUS、 OSobel和OSP， 首先在每个分 割输出的四个边上向外扩充 个像素， 提取边长为Q的方形的多成分小邻域特征Fx,y, fx,y， 进而划分新的训练集和测试集 和 其中x,y为中心特 征对应的横纵坐标； 同时， 基于图像 分割标签Limages为小邻域特征提取小邻域特征的中心特 征所对应的像素二分类标签Lpixels。 5.根据权利要求4所述的基于多成分邻域的小数据甲状腺超声图像分割方法， 其特征 在于所述初步分割结果RPre为： 所述OUS、 OSobel和OSP为： 6.根据权利要求1所述的基于多成分邻域的小数据甲状腺超声图像分割方法， 其特征 在于所述 步骤三的具体步骤如下： 步骤三一、 基于步骤二 中提取的大小为Q ×Q的多成分小邻域特征Fx,y,fx,y， 进行数据大 小改变为1 ×Q2， 并按照原始成分小邻域特征、 边缘成分小邻域特征和超像素成分小邻域特权　利　要　求　书 2/4 页 3 CN 115019045 A 3