基于Ti-RADS的甲狀腺結(jié)節(jié)超聲圖像特征提取與可視化技術(shù)研究.pdf

1、在醫(yī)學(xué)領(lǐng)域中，結(jié)節(jié)是指未經(jīng)診斷不確定良惡性的腫塊，甲狀腺結(jié)節(jié)包含良性結(jié)節(jié)和惡性結(jié)節(jié)。其中甲狀腺癌就是惡性結(jié)節(jié)，良性結(jié)節(jié)多是炎癥性結(jié)節(jié)或者囊腫。由于甲狀腺結(jié)節(jié)無明顯的病癥表現(xiàn)，因此病癥極易被人忽視。目前，甲狀腺疾病的常用診斷方法是超聲檢測，但是人工進(jìn)行超聲診斷仍然存在一些主觀缺陷。隨著醫(yī)學(xué)影像設(shè)備的廣泛應(yīng)用和數(shù)字圖像處理技術(shù)的飛速發(fā)展，利用圖像處理進(jìn)行計(jì)算機(jī)輔助診斷的研究越來越多。計(jì)算機(jī)輔助診斷的主要目的是通過計(jì)算機(jī)的識別處理把超聲圖像準(zhǔn)

2、確地分類，為醫(yī)生和病人提供可參考的診斷結(jié)果。
　　本文主要研究的是基于TI-RADS表的甲狀腺結(jié)節(jié)超聲圖像的特征提取和可視化。目的是研究TI-RADS等級不同的甲狀腺結(jié)節(jié)超聲圖像，把結(jié)節(jié)的分級結(jié)果和不同等級特征的差異利用圖像表現(xiàn)出來。主要研究內(nèi)容包括三部分:甲狀腺結(jié)節(jié)超聲圖像的預(yù)處理，甲狀腺結(jié)節(jié)超聲圖像的特征提取以及甲狀腺結(jié)節(jié)超聲圖像的可視化設(shè)計(jì)。
　　超聲圖像預(yù)處理包含圖像去噪和圖像分割。針對甲狀腺圖像中的斑點(diǎn)噪聲，應(yīng)用了

3、基于邊緣增強(qiáng)的各向異性擴(kuò)散模型(EEAD)，在保留超聲圖像質(zhì)量的情況下去除了超聲圖像中的斑點(diǎn)噪聲。針對超聲圖像的結(jié)節(jié)分割，提出了基于邊緣梯度算子和形狀約束的圖割算法(Graph Cut)，主要通過最小化能量函數(shù)得到結(jié)節(jié)區(qū)域。分割算法優(yōu)化了超聲圖像分割結(jié)果形狀不準(zhǔn)確以及邊緣毛躁的現(xiàn)象。
　　甲狀腺結(jié)節(jié)的特征提取提出了基于TI-RADS表的超聲圖像特征量化方法。把結(jié)節(jié)的特征分成形態(tài)、邊界、回聲、縱橫比和鈣化5類。通過形態(tài)學(xué)特征提取、灰

4、度特征提取等多種方法，獲得5類共計(jì)34個(gè)數(shù)據(jù)特征，并用相關(guān)性、T檢驗(yàn)和聚類等方法對特征數(shù)據(jù)進(jìn)行了效果驗(yàn)證。
　　在可視化研究階段，主要工作包括聚類分析和可視化設(shè)計(jì)。聚類算法根據(jù)特征的樣本規(guī)律將其劃分成不同等級，數(shù)據(jù)可視化把分級結(jié)果利用可視化布局展示。實(shí)驗(yàn)中針對單一類別的特征聚類和多類特征聚類分別應(yīng)用了基于遺傳學(xué)的蟻群算法聚類(GACO)和多視圖加權(quán)聚類(TW-Kmeans)。可視化實(shí)驗(yàn)針對不同的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)可視化布局，實(shí)現(xiàn)針對基本