深度学习网络用于分割甲状腺结节超声图像中的研究

目的 探究深度学习网络应用在甲状腺结节超声图像分割中的价值体现.方法 将从病理科和超声科搜集到的5649例患者的超声数据对照病理报告建立图像数据库,以一种创新性的深度学习网络算法,通过不断的训练使网络能够自主进行结节和实质区域的分割.结果 由网络得到的分割均准确率可达93.3％、均召回率达到92.1％,说明可以在网络稳定的情况下保持高准确率的分割性能.结论 深度学习网络可以准确、快速的定位并对结节和实质区域进行精准勾画,此研究得到的准确率结果在对超声图像甲状腺结节的分割领域处于较为领先的水平,对临床医生诊断具有重要意义.