【摘要】：甲狀腺結節(jié)是人群中最常見的內分泌疾病,它是甲狀腺內出現的甲狀腺濾泡細胞或濾泡旁細胞出現增生和(或)異常分化而產生的結節(jié)和(或)腫瘤。甲狀腺結節(jié)可以是惡性,也可以是良性。所有結節(jié)中,惡性結節(jié)約占7%；其中,甲狀腺癌是最常見的惡性內分泌腫瘤,嚴重危害人類,特別是女性健康。近年來,甲狀腺腫瘤的發(fā)病率明顯增高,特別是在一些沿海城市,惡性腫瘤的發(fā)病率以年均4%的增幅上升,是增長速度最快的惡性腫瘤之一。不同性質的結節(jié)有不同的治療手段,甲狀腺惡性病變主要以外科手術切除病灶以及部分或全部甲狀腺組織為主,放療為輔的治療方法,而甲狀腺良性病變則可以不需手術、選擇性手術或僅需要定期隨訪等有針對性的治療方法,早期明確甲狀腺結節(jié)的良惡性對治療方式的選擇以及患者的預后和生活質量非常有意義。所以早期明確甲狀腺結節(jié)的性質,不僅可以消除患者的緊張心態(tài),提高生活質量,改善預后,還可以防止過度醫(yī)療,造成不必要的醫(yī)療資源浪費,同時減少患者的經濟負擔。目前,臨床上可用來評估甲狀腺結節(jié)性質的方法有臨床體檢(觸診、聽診)、影像學方法(超聲、電子計算機斷層掃描、磁共振成像、放射性核素顯像等)以及病理學方法(細針穿刺活檢、切片活檢等)。臨床上診斷甲狀腺結節(jié)的金標準(golden standard)是針刺細胞學活檢(FNA, fine needle aspiration),是目前最為準確的方法。但是由于細針穿刺活檢檢查的特殊性和有創(chuàng)性,并不適用于大規(guī)模人群的甲狀腺結節(jié)的篩查。同時,為了減少出血和病人痛苦,選擇了過細穿刺針,或者采集的病理標本量不足,或者由于操作者或病變過小而導致的沒有穿刺到病變部位,都會造成結果的不準確。所以,不能完全依靠細針穿刺細胞學檢查的結果,要考慮到假陰性或假陽性的結果的可能性,即便細針穿刺的結果為陰性,臨床上也不能完全排除惡性；同時,又因為其是有創(chuàng)性檢查,不僅會對患者造成痛苦,還有穿刺到重要血管和神經的危險性。除了細針穿刺細胞學活檢(FNA)外,超聲是臨床常最用的檢查甲狀腺的方法。由于高分辨率B超費用低、方便快捷、無創(chuàng)性、無輻射,并可以獲得結節(jié)大小及數目等信息,所以它是臨床上對甲狀腺結節(jié)進行定性、評估以及隨訪的最常用的方法。通過超聲檢查可以獲得甲狀腺結節(jié)的大小、形態(tài)、邊緣、回聲、囊變和鈣化等指標,但這些指標缺乏一定的衡量標準,指標的獲得很大程度上取決于檢查者的主觀評價,這就可能導致同一個病例讓不同的醫(yī)生診斷會獲得不同的診斷結果,造成結果的不準確性。另一方面,這些診斷指標在大部分情況下缺乏特異性,容易造成假陰性和假陽性的結果。同時,由于成像原理的原因,超聲圖像上包含明顯的斑點和噪聲,這些噪聲會遮蓋正常的解剖組織,造成信息的丟失。超聲是一個邊檢查邊診斷的技術,這需要對醫(yī)師的知識和經驗有較高的要求。而CT、MRI、放射性核素等影像學方法,由于放射性損傷、對病人危害較大、圖像采集時間長及檢查費用大等缺點,且診斷準確性缺乏實驗驗證,故并沒有在臨床上大規(guī)模采用。CT及MRI多用于術前觀察甲狀腺與氣管及頸部重要血管之間的關系,而PET多用于診斷甲狀腺結節(jié)是否有攝碘和分泌功能。綜上所述,由于缺乏有效的在術前準確明確甲狀腺結節(jié)性質的診斷方法,長期以來,大多數超聲檢查結果提示患有甲狀腺結節(jié)的患者為了明確結節(jié)的良惡性而進行了不必要的病理診斷或手術,造成了不必要的醫(yī)療資源的浪費的同時也增加了病人的痛苦。從臨床上常規(guī)進行的影像學資料中提取出更多的有意義的、同時可以輔助臨床醫(yī)師診斷結節(jié)良惡性的信息,用于甲狀腺結節(jié)良惡性早期鑒別診斷,是非常有臨床意義的。超聲圖像包含很多客觀的有醫(yī)學意義的信息,這些信息是肉眼難以發(fā)現的,而近年來出現的數據挖掘技術可以通過對圖像進行數字化處理后將這些有用的圖像信息以數字的形式表達出來。因此,數據挖掘技術被廣泛應用于對圖像的特征信息進行提取,并對其進行量化。其中,紋理特征已經應用于一些研究中。特別是灰度共生矩陣紋理特征,已有研究證明該特征值在鑒別良惡性病灶中是有意義的,是一個經典的常用的提取圖像特征的方法。其提取出的特征值一般包括：方差(Variance)、能量(Energy)、對比度(Contrast)、熵(Entropy)、逆差距(Inverse Difference Moment)、慣量、相關性(Correlation)、最大概率(Maximum probability)、聚類趨勢(Cluster Tendency)、和的均值(Mean)、差的均值(Difference- mean)、同質度(Homogeneity)和的熵(Sum- Entropy)、差的熵(Difference- Entropy)、這些提取出來的特征值包含了病灶在圖像上的細微信息,經試驗證明在鑒別病灶良惡性時是具有臨床意義的,可以用于影像圖像分析來輔助臨床醫(yī)生對疾病進行鑒別診斷。模式識別是近年來熱門的研究方向之一,其主要目的是研究一種自動技術,依靠這種技術,計算機可以自動或半人工地對目標進行識別和分類。在醫(yī)學研究中,模式識別的主要目的是對疾病進行預測和分類,以達到輔助臨床診斷的用途。常用的模式識別模型有l(wèi)ogistic、支持向量機、neural net、tree、random forest、boost等。采用窮舉建模策略,對Lasso-logistic回歸模型、分類樹(Classification Trees)、Boosting樹、神經網絡(Neural Networks)和支持向量機(SVM))、隨機森林、貝葉斯網絡等多種統計模式識別方法進行對比分析,優(yōu)選出適宜的疾病早期篩查(或診斷)的統計模式識別模型,是適用于臨床診斷的建模方法。模型建立后,多采用交叉驗證與外推預測相結合的ROC曲線法,結合靈敏度、特異度等多種參數模型評價。所以,本研究首先利用非線性的中值濾波法對超聲原始圖像進行去噪處理,然后利用灰度共生矩陣法提取病灶區(qū)域的灰度共生矩陣特征值。并將提取到的特征值擬合上文中提到的6種識別模型。利用10折交叉驗證結合ROC曲線等多種參數如準確性、真陽性率、假陽性率、precision、recall、f-measure、AUC等來對模型的分類效果進行評價,最終選擇分類效果最佳的識別模型,以提高臨床醫(yī)師對甲狀腺結節(jié)良惡性診斷的準確度,為其提供一個客觀的輔助診斷工具。結論臨床上需要一種非侵入性的客觀的診斷意見來對甲狀腺結節(jié)的性質進行鑒別診斷。本研究利用從病灶的超聲圖像中提取的灰度共生矩陣特征值擬合模式識別模型來對結節(jié)的良惡性進行鑒別。結果顯示,16種基于灰度共生矩陣的紋理特征值結合logistic模型分類效果最好。這表明本研究有很好的分類和預測效果。一旦該模型應用于大規(guī)模的數據庫,該方法可以為臨床上診斷甲狀腺結節(jié)的良惡性提供一個客觀的輔助診斷技術。同時本研究也為其他基于影像學的疾病鑒別模型的建立提供了新策略和新思路。創(chuàng)新點1)構建基于甲狀腺結節(jié)超聲圖像信息特征提取的甲狀腺結節(jié)良惡性早期鑒別診斷的統計模式識別模型,實現鑒別診斷的客觀化、定量化、標準化是本研究的突出創(chuàng)新點。2)將灰度共生矩陣法用于B超影像數據特征提取,為B超影像信息的開發(fā)利用提供了新思路。3)采用窮舉建模策略,從多種統計模式識別模型當中篩選出高效、靈敏、特異的甲狀腺良惡性早期鑒別診斷模型的研究思路,為其他基于影像學的疾病鑒別模型的建立提供了新策略。不足之處1)樣本數量過少2)提取圖像特征值單一
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R445.1;R581
【圖文】：
中值濾波器的主要功能是降低目標點像素與周圍像素的差異，通過消逡逑除孤立的噪聲點達到降噪的目的。逡逑圖示中值濾波去噪前后比較。圖２邋（Ａ）示甲狀腺癌去噪前圖像，２邋（Ｂ）示逡逑甲狀腺癌去噪后圖像；圖２邋（Ｃ）示結節(jié)性甲狀腺腫去噪前圖像，圖２邋（Ｄ）示結逡逑節(jié)性甲狀腺腫去噪后圖像。這表明中值濾波的主要作用就是減小像素點灰度值之逡逑間的差別，因此減少獨立的噪聲點，使圖像更加光滑，便于圖像分析。逡逑圖像的去噪通過ＭＡＴＬＡＢ實現，具體程序見附錄１。逡逑—？邐？：洰＇‘邐邐邐ｉｆ逡逑圖２邋Ａ和Ｂ為甲狀腺癌超聲圖像，Ｃ和Ｄ為結節(jié)性甲狀腺腫超聲圖像。逡逑Ａ和Ｃ為去噪前，Ｂ和Ｄ為去噪后。箭頭示病灶位置。通過處理前后圖片對比，逡逑我們可Ｗ發(fā)現圖像的脈沖噪聲Ｗ及椒鹽噪聲減少，同時圖像的邊緣并沒有被模逡逑糊，圖像更加光滑。逡逑Ｔｈｅ邋ｅｆｆｅｃｔ邋ｏｆ邋ｔｈｅ
中值濾波器的主要功能是降低目標點像素與周圍像素的差異，通過消逡逑除孤立的噪聲點達到降噪的目的。逡逑圖示中值濾波去噪前后比較。圖２邋（Ａ）示甲狀腺癌去噪前圖像，２邋（Ｂ）示逡逑甲狀腺癌去噪后圖像；圖２邋（Ｃ）示結節(jié)性甲狀腺腫去噪前圖像，圖２邋（Ｄ）示結逡逑節(jié)性甲狀腺腫去噪后圖像。這表明中值濾波的主要作用就是減小像素點灰度值之逡逑間的差別，因此減少獨立的噪聲點，使圖像更加光滑，便于圖像分析。逡逑圖像的去噪通過ＭＡＴＬＡＢ實現，具體程序見附錄１。逡逑—？邐？：洰＇‘邐邐邐ｉｆ逡逑圖２邋Ａ和Ｂ為甲狀腺癌超聲圖像，Ｃ和Ｄ為結節(jié)性甲狀腺腫超聲圖像。逡逑Ａ和Ｃ為去噪前，Ｂ和Ｄ為去噪后。箭頭示病灶位置。通過處理前后圖片對比，逡逑我們可Ｗ發(fā)現圖像的脈沖噪聲Ｗ及椒鹽噪聲減少，同時圖像的邊緣并沒有被模逡逑糊，圖像更加光滑。逡逑Ｔｈｅ邋ｅｆｆｅｃｔ邋ｏｆ邋ｔｈｅ
【相似文獻】
相關期刊論文 前10條
1 辛民宣;史正星;崔光彬;盧虹冰;;基于內容的醫(yī)學圖像檢索中對Tamura紋理特征的算法改進[J];醫(yī)療衛(wèi)生裝備;2010年02期
2 童濤;楊桄;崔震;葉怡;王壽彪;;基于紋理特征的SAR圖像水上橋梁目標檢測[J];中國體視學與圖像分析;2012年02期
3 李昕;童隆正;王旭;王磊;;阿爾茨海默病患者MR圖像胼胝體三維紋理特征研究[J];中國醫(yī)療設備;2011年02期
4 郭冬梅;劉惠;邵瑩;林相波;劉文紅;紀虎;;基于紋理特征的多序列MRI的肝硬化識別研究[J];中國醫(yī)學影像技術;2014年07期
5 衛(wèi)娜;李向東;黃殿忠;王政;;基于紋理特征和GRBF網絡的醫(yī)學圖像分割[J];醫(yī)療衛(wèi)生裝備;2008年11期
6 蔣勇;基于分形維數的肺部軟組織CT圖像的紋理特征研究[J];中國醫(yī)學裝備;2004年03期
7 徐濤;葉志前;蔡衛(wèi)民;;肝臟B超圖像的紋理分析方法[J];國際生物醫(yī)學工程雜志;2006年04期
8 羅天健;劉秉瀚;;融合特征的自適應超像素圖割算法[J];中國體視學與圖像分析;2014年02期
9 尹東;劉京銳;;基于分級檢索策略的醫(yī)學圖像檢索方法研究[J];北京生物醫(yī)學工程;2007年01期
10 ;[J];;年期
相關會議論文 前10條
1 田學東;郭寶蘭;;基于紋理特征的版式識別研究[A];輝煌二十年——中國中文信息學會二十周年學術會議論文集[C];2001年
2 殷積東;劉博;王少輝;;基于粗糙集理論和關聯規(guī)則的腐蝕區(qū)域紋理特征檢測算法研究[A];圖像圖形技術研究與應用(2010)[C];2010年
3 秦鐘;;基于紋理特征的車輛分割方法[A];第二十七屆中國控制會議論文集[C];2008年
4 王建新;周晨波;于文英;;利用紋理特征分析激光散斑圖像[A];第十一屆全國光學測試學術討論會論文（摘要集）[C];2006年
5 王宇生;陳純;;一種用于圖像檢索的紋理特征[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現實技術研討會（CVR’2001）論文集[C];2001年
6 龔紅菊;姬長英;;基于紋理特征的麥穗產量測量方法研究[A];2007年中國農業(yè)工程學會學術年會論文摘要集[C];2007年
7 常哲;侯榆青;程濤;李明俐;劉黎寧;;綜合顏色和紋理特征的圖像檢索[A];全國第三屆信號和智能信息處理與應用學術交流會專刊[C];2009年
8 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應用探討[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年
9 秦健;李濤;;基于Contourlet變換提取云的旋轉不變紋理特征[A];2009第五屆蘇皖兩省大氣探測、環(huán)境遙感與電子技術學術研討會專輯[C];2009年
10 張樹恒;陽維;廖廣姍;王蓮蕓;張素;;基于形狀和紋理特征的致敏花粉顯微圖像識別[A];中華醫(yī)學會2010年全國變態(tài)反應學術會議暨中歐變態(tài)反應高峰論壇參會指南/論文匯編[C];2010年
相關博士學位論文 前2條
1 夏瑜;基于結構的紋理特征及應用研究[D];中國科學技術大學;2014年
2 李伯宇;圖像紋理分析及分類方法研究[D];復旦大學;2007年
相關碩士學位論文 前10條
1 李強;基于顏色與紋理特征的圖像檢索技術研究[D];河北大學;2015年
2 田甜;面向對象的森林植被類型信息提取技術[D];東北林業(yè)大學;2015年
3 崔巍;基于紋理特征的地表覆蓋分類算法研究[D];南京理工大學;2015年
4 宋歌聲;利用超聲圖像紋理特征鑒別甲狀腺結節(jié)良惡性的研究[D];山東大學;2015年
5 廖聲揚;數字視頻復制—粘貼篡改被動取證研究[D];福建師范大學;2015年
6 牧其爾;基于紋理特征的人工梭梭林生物量遙感估測研究[D];內蒙古師范大學;2015年
7 張瑞英;基于多源遙感數據的森林郁閉度估測方法研究[D];內蒙古師范大學;2015年
8 史正星;膀胱贅生物影像學紋理特征的初步研究[D];第四軍醫(yī)大學;2009年
9 王長梅;紋理特征在~(18)F-FDG PET/CT顯像肺癌診斷中的應用[D];復旦大學;2011年
10 叢鑫;基于紋理特征的圖象檢索研究[D];遼寧工程技術大學;2007年
本文編號：
2798677
