超聲甲狀腺結(jié)節(jié)自動分類研究.pdf

1、近年來，隨著患甲狀腺癌的比例不斷攀升，甲狀腺癌已成為當(dāng)今危害人類健康的疾病之一。醫(yī)學(xué)超聲成像因其具有安全、有效、攜帶方便以及成本低廉等特點，已成為甲狀腺癌診斷的一種重要手段。利用數(shù)字圖像處理以及人工智能等技術(shù)處理甲狀腺超聲圖像以判斷腫瘤的良惡性，為醫(yī)生臨床診斷提供非常重要的輔助信息。本文主要針對甲狀腺超聲圖像分類問題進行研究，包括腫瘤區(qū)域的特征提取以及允許一定誤差時基于腫瘤區(qū)域分割的腫瘤分類問題。
　　由于甲狀腺超聲影像圖像的對比

2、度和分辨率都較低，且夾雜斑點噪聲，不同人群的腫瘤大小、形狀和位置等差異較大，這些都是影響腫瘤特征提取區(qū)域分割效果的主要因素。本文針對所處理圖像特征，采用了基于主動輪廓模型的方法進行超聲甲狀腺腫瘤圖像分割。首先對原始圖像進行預(yù)處理。然后利用主動輪廓模型算法進行甲狀腺腫瘤區(qū)域的分割。該分割方法能較快地分割出腫瘤區(qū)域，但是該分割結(jié)果存在一定的分割誤差。該分割結(jié)果能滿足本文選取的特征提取算法以及分類算法對分割精度的要求。
　　本文通過把分

3、割得到的感興趣區(qū)域劃分為若干的子區(qū)域，再提取每個子區(qū)域的紋理特征組合成為整個結(jié)節(jié)區(qū)域的紋理特征。最后對各個子區(qū)域進行分類，然后統(tǒng)計在該感興趣區(qū)域中惡性子區(qū)域占所有子區(qū)域的比例來確定該感興趣區(qū)域的良惡性。本文分割得到的腫瘤區(qū)域與實際的腫瘤區(qū)域存在一定的誤差，可能會影響個別子區(qū)域特征信息的提取，由于該腫瘤區(qū)域的良惡性質(zhì)是通過統(tǒng)計惡性子區(qū)域所占比例來確定，因此分割結(jié)果中存在的誤差只會影響很少一部分子區(qū)域性質(zhì)判斷。本文通過提取局部的特征信息來避