基于深度学习的甲状腺结节超声图像智能诊断研究.pdfVIP

基于深度学习的甲状腺结节超声图像智能诊断研究1

基于深度学习的甲状腺结节超声图像智能诊断研究

摘要

本研究旨在构建基于深度学习的甲状腺结节超声图像智能诊断系统，通过人工智

能技术提升甲状腺疾病的早期筛查与诊断效率。甲状腺结节作为临床常见疾病，其良恶

性鉴别对治疗方案制定至关重要。传统超声诊断依赖医师经验，存在主观性强、诊断一

致性低等问题。本研究采用卷积神经网络（CNN）、迁移学习等深度学习技术，构建端

到端的智能诊断模型，实现甲状腺结节的自动分割、特征提取与良恶性分类。研究将建

立包含10,000例以上高质量超声图像的多中心数据库，通过数据增强、半监督学习等

技术解决医学图像标注成本高的问题。预期开发的系统可达到95%以上的诊断准确率，

较传统方法提升1520个百分点，同时将单例诊断时间从平均5分钟缩短至30秒以内。

本研究成果将为甲状腺疾病的精准诊疗提供技术支撑，推动人工智能在医疗领域的深

度应用，响应《“健康中国2030”规划纲要》关于提升重大疾病防治能力的要求。

引言与背景

甲状腺疾病流行病学现状

甲状腺疾病已成为全球性公共卫生问题，据世界卫生组织(WHO)统计，全球甲状

腺结节患病率约