本发明涉及人工智能，具体地说，涉及一种基于人工智能的甲状腺肿瘤早期诊断与风险评估系统。
背景技术：
1、甲状腺是人体内一个重要的内分泌腺体，位于颈部前方，主要负责合成和分泌甲状腺激素，调节人体的新陈代谢。甲状腺疾病包括多种类型，如甲状腺功能亢进、甲状腺功能减退、甲状腺炎、甲状腺结节和甲状腺癌等。其中，甲状腺结节是最常见的甲状腺疾病之一，大多数甲状腺结节是良性的，但约有5%~15%的结节可能是恶性的，即甲状腺癌；
2、尽管甲状腺结节的发病率较高，但其良恶性鉴别的准确性一直是临床上的一大挑战。传统的诊断方法，如临床检查、血液检测、超声检查和细针穿刺活检（fnab），虽然在一定程度上能够提供有用的信息，但仍然存在一些局限性。例如，超声检查的结果高度依赖于操作者的技能和经验，而细针穿刺活检（fnab）也有一定的假阴性和假阳性率，且部分结节难以通过fnab明确诊断；
3、传统的回声对比度计算方法可能无法充分捕捉结节与周围正常组织之间的细微差异，导致诊断的准确性不足，因此，设计一种基于人工智能的甲状腺肿瘤早期诊断与风险评估系统。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，以解决上述背景技术中提出的无法充分捕捉结节与周围正常组织之间的细微差异，导致诊断的准确性不足的问题。
2、为实现上述目的，本发明目的在于提供了一种基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，包括：
3、数据准备单元，所述数据准备单元用于获取患者甲状腺结节相关的图像，并将获取的图像按照标准格式进行标注分类和保存；其中，患者甲状腺结节相关的图像包括灰度超声波图像和彩色多普勒超声波图像；
4、特征提取单元，所述特征提取单元用于在灰度超声波图像中提取结节结构特征以及结节相对于周围正常甲状腺组织的回声对比度，并在回声对比度中引入加权平均和灰度共生矩阵方法进行优化，并根据提取的结节结构特征追踪结节的变化趋势，同时在彩色多普勒超声波图像中获取结节内的血流情况；
5、数据分析单元，所述数据分析单元用于将提取的特征输入到统计模型中，利用机器学习算法训练模型，使其能够根据历史数据预测新的结节的性质，从而判断结节的恶良性；
6、临床结合单元，所述临床结合单元用于将分析结果结合患者的临床信息进行综合判断，如果恶性可能性大，则进行进一步的检查。
7、作为本技术方案的进一步改进，所述特征提取单元（2）中在灰度超声波图像中提取结节结构特征，具体如下：
8、s1、对灰度超声波图像进行预处理，同时去除图像中的噪声干扰，预处理至少包括灰度归一化和尺寸调整；
9、s2、对灰度超声波图像进行分割，识别结节的区域，同时，在分割的基础上，根据实际情况进行手动修正；
10、s3、根据分割出来结节的区域，评估结节的大小，并利用边缘检测识别结节的边界，评估边界的清晰度。
11、作为本技术方案的进一步改进，所述s2中对灰度超声波图像进行分割，识别结节的区域，具体如下：
12、利用和组合生成损失函数：
13、；
14、其中，为组合的损失函数；为权重参数；为图像中像素的总数；为第个像素是否属于结节区域；为网络输出经过激活函数之后的概率值；；
15、最小化该损失函数从而训练模型，再利用训练好的模型对灰度超声波图像进行分割得到结节区域。
16、作为本技术方案的进一步改进，所述s3具体如下：
17、提取灰度超声波图像的特征；
18、在特征图上应用sobel算子进行边缘检测，sobel算子计算水平和垂直方向上的梯度为：
19、；
20、；
21、其中，为水平方向上的梯度；为垂直方向上的梯度；
22、；
23、；
24、其中，表示卷积操作；为水平方向上的梯度的卷积结果；为垂直方向上的梯度的卷积结果；为灰度超声度图像；
25、合并水平和垂直梯度以获得边缘强度：
26、；
27、其中，为特征图上每个像素点的边缘强度；
28、将传统边缘检测的结果与深度学习模型提取的特征相结合，生成最终的融合边缘图：
29、；
30、其中，为融合的边缘图；为权重参数；为在原始灰度超声波图像上应用传统边缘检测方法得到的边缘图。
31、作为本技术方案的进一步改进，所述特征提取单元（2）中在灰度超声波图像中提取结节相对于周围正常甲状腺组织的回声，包括对回声类型分类以及计算结节与周围正常甲状腺组织之间的灰度差异，评估回声对比度。
32、作为本技术方案的进一步改进，所述对回声类型分类具体为：
33、如果结节区域的像素强度高于周围正常甲状腺组织，则标记为高回声；如果结节区域的像素强度低于周围正常甲状腺组织，则标记为低回声；如果结节区域的像素强度与周围正常甲状腺组织相似，则标记为等回声。
34、作为本技术方案的进一步改进，所述计算结节与周围正常甲状腺组织之间的灰度差异，评估回声对比度来实现，具体如下：
35、；
36、其中，为回声对比度；为结节区域所有像素点灰度值的平均值；为结节周围正常甲状腺组织所有像素点灰度值的平均值；为结节区域所有像素点灰度值的标准差；为结节周围正常甲状腺组织所有像素点灰度值的标准差。
37、作为本技术方案的进一步改进，在所述回声对比度中引入加权平均和灰度共生矩阵方法进行优化，优化后具体如下：
38、计算加权平均灰度值：
39、；
40、其中，为优化后的结节区域的加权平均灰度值；为像素点；为结节区域；为像素点的权重；为像素点的灰度值；
41、；
42、其中，为优化后的背景区域的加权平均灰度值；为背景区域；
43、计算灰度共生矩阵：
44、；
45、其中，为结节区域的矩阵；和为灰度值；为距离；为方向；为结节区域的像素集合；为克罗内克delta函数；
46、；
47、其中，为背景区域的矩阵；为背景区域的像素集合；
48、根据的对比度、同质性、能量和相关性，组合成一个特征向量；同理，根据的对比度、同质性、能量和相关性，组合成一个特征向量；
49、评估回声对比度：
50、；
51、其中，为优化后的回声对比度；为权重系数；为结节区域的特征向量；为背景区域的特征向量。
52、作为本技术方案的进一步改进，所述在彩色多普勒超声波图像中获取结节内的血流情况，具体如下：
53、评估结节内的血流密度、血流速度以及血流模式，并将血流密度、血流速度以及血流模式融合成一个综合特征向量，根据血流模式确定血流特征，根据血流特征以及综合特征向量，获得结节的性质。
54、作为本技术方案的进一步改进，所述血流模式包括中心型血流、边缘型血流、混合型血流以及无血流。
55、与现有技术相比，本发明的有益效果：
56、该基于人工智能的甲状腺肿瘤早期诊断与风险评估系统中，在回声对比度中引入加权平均和灰度共生矩阵方法进行优化，灰度共生矩阵可以捕捉图像中的纹理特征，分别计算结节区域和背景区域的，并从中提取有用的纹理特征，可以进一步评估甲状腺结节与周围正常组织之间的回声对比度，提高诊断的准确性和可靠性；同时将结节的结构特征、回声以及血流情况共同考虑进行判断，能够提高甲状腺肿瘤预测的准确性。
1.一种基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于：所述特征提取单元（2）中在灰度超声波图像中提取结节结构特征，具体如下：
3.根据权利要求2所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于：所述s2中对灰度超声波图像进行分割，识别结节的区域，具体如下：
4.根据权利要求3所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于，所述s3具体如下：
5.根据权利要求4所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于：所述特征提取单元（2）中在灰度超声波图像中提取结节相对于周围正常甲状腺组织的回声，包括对回声类型分类以及计算结节与周围正常甲状腺组织之间的灰度差异，评估回声对比度。
6.根据权利要求5所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于，所述对回声类型分类具体为：
7.根据权利要求6所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于：所述计算结节与周围正常甲状腺组织之间的灰度差异，评估回声对比度来实现，具体如下：
8.根据权利要求7所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于：在所述回声对比度中引入加权平均和灰度共生矩阵方法进行优化，优化后具体如下：
9.根据权利要求8所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于：所述在彩色多普勒超声波图像中获取结节内的血流情况，具体如下：
10.根据权利要求9所述的基于人工智能的甲状腺肿瘤早期诊断与风险评估系统，其特征在于：所述血流模式包括中心型血流、边缘型血流、混合型血流以及无血流。
