基于超声图像的甲状腺疾病智能诊断

发布时间：2020-07-22 14:09

【摘要】：甲状腺疾病分为弥漫性疾病和结节性疾病两种,对人体有很大危害。超声检查是常用的甲状腺疾病诊断手段,诊断过程中医生需要通过观察超声图像的特点,结合专业知识和临床经验,给出患者的患病情况。然而,不同医生有不同的临床经验和专业背景,诊断结果缺乏客观性和一致性。所以临床上需要一种基于超声图像的甲状腺疾病智能诊断技术,可以通过提取图像的纹理、形状等信息对甲状腺疾病给出客观可靠的诊断意见,辅助医生进行临床诊断。本文针对不同甲状腺疾病的超声图像特点进行研究,实现了甲状腺疾病诊断系统,具体包括以下几个方面:首先,实现了甲状腺疾病图像的感兴趣区域提取、预处理和特征提取。对于弥漫性疾病,提出了多级小波多子图共生矩阵、条索特征、基于GLRL的最长高亮游程等特征。针对甲状腺结节性疾病,提取了结节纵横比、紧致度等形状特征和结节边界环形区域灰度标准差等纹理特征。其次,针对甲状腺弥漫性疾病提出二重级联的分类方式,利用mRMR方法进行特征选择,结合SVM分类器对正常、Graves病和桥本病的分类准确率分别达到了88.33%、86.67%、93.33%,基于多项对比实验验证了本文方法的可靠性。随后,针对甲状腺结节性疾病,通过训练VGGNet实现了85.59%和88.20%的良性和恶性结节分类准确率。基于U-Net网络实现结节图像分割,并在此基础上人工提取特征,实现神经网络特征与人工特征的融合,将良恶性结节图像的分类准确率分别提高到90.83%和91.57%,表明人工特征的有效性。最后,基于对甲状腺疾病的研究设计了甲状腺疾病智能诊断系统,实现了人机交互界面,方便医生进行甲状腺疾病的临床诊断。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;R445.1;R581
【图文】：

超声图像,甲状腺,工程硕士学位,灰度

哈尔滨工业大学工程硕士学位论文状腺的超声图像回声均匀、灰度均一、实质部分的纹理变化较小；疾病发生在腺体表面，会使甲状腺腺体产生一定程度的纤维化，一声图像回声均匀程度、表面粗糙程度等纹理特征进行诊断；甲状腺甲状腺腺体内的肿块，一般通过观察结节图像的形态、边缘、灰度节的良恶性[7]。正常甲状腺组织、甲状腺弥漫性疾病和甲状腺结节性像分别如图 1-1、1-2 和 1-3 所示。

超声图像,甲状腺,甲状腺结节

甲状腺弥漫性疾病超声图像

超声图像,甲状腺结节,性疾病

图 1-3 甲状腺结节性疾病超声图像见的甲状腺弥漫性疾病有 Graves 病和桥本病，结节性疾病也可以分[7]。不同弥漫性疾病在超声图像的纹理上会有相应差异，不同良恶性其超声图像在形态边缘等方面也有很大差别[8]，通过超声图像诊断甲医生有专业的病理知识和大量的临床经验。在实际诊断过程中，由临床经验、专业背景不同，诊断结果缺乏客观性和一致性，有时甚。疾病的超声诊断往往是在超声检查的过程中进行的，加重了医生所以临床上需要一种基于超声图像的甲状腺疾病智能诊断技术，可纹理、形态等信息对甲状腺疾病给出客观可靠的辅助诊断意见，把工作中解放出来。究现状及分析于参与组织活检的甲状腺弥漫性疾病患者很少，患者数据获取困难对甲状腺弥漫性疾病的智能诊断研究较少。仅有部分研究人员实现弥漫性疾病与正常甲状腺的区分，如 Zbigniew Omiotek 等人利用决神经网络搭建了桥本病的诊断模型，构建了临床诊断的支持系统

【参考文献】