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

1、在醫(yī)學領域中，結節(jié)是指未經(jīng)診斷不確定良惡性的腫塊，甲狀腺結節(jié)包含良性結節(jié)和惡性結節(jié)。其中甲狀腺癌就是惡性結節(jié)，良性結節(jié)多是炎癥性結節(jié)或者囊腫。由于甲狀腺結節(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，但是人工進行超聲診斷仍然存在一些主觀缺陷。隨著醫(yī)學影像設備的廣泛應用和數(shù)字圖像處理技術的飛速發(fā)展，利用圖像處理進行計算機輔助診斷的研究越來越多。計算機輔助診斷的主要目的是通過計算機的識別處理把超聲圖像準

2、確地分類，為醫(yī)生和病人提供可參考的診斷結果。
　　本文主要研究的是基于TI-RADS表的甲狀腺結節(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節(jié)超聲圖像，把結節(jié)的分級結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:甲狀腺結節(jié)超聲圖像的預處理，甲狀腺結節(jié)超聲圖像的特征提取以及甲狀腺結節(jié)超聲圖像的可視化設計。
　　超聲圖像預處理包含圖像去噪和圖像分割。針對甲狀腺圖像中的斑點噪聲，應用了

3、基于邊緣增強的各向異性擴散模型(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噪聲。針對超聲圖像的結節(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)得到結節(jié)區(qū)域。分割算法優(yōu)化了超聲圖像分割結果形狀不準確以及邊緣毛躁的現(xiàn)象。
　　甲狀腺結節(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)學特征提取、灰

4、度特征提取等多種方法，獲得5類共計34個數(shù)據(jù)特征，并用相關性、T檢驗和聚類等方法對特征數(shù)據(jù)進行了效果驗證。
　　在可視化研究階段，主要工作包括聚類分析和可視化設計。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)可視化把分級結果利用可視化布局展示。實驗中針對單一類別的特征聚類和多類特征聚類分別應用了基于遺傳學的蟻群算法聚類(GACO)和多視圖加權聚類(TW-Kmeans)?？梢暬瘜嶒炨槍Σ煌臄?shù)據(jù)結構設計可視化布局，實現(xiàn)針對基本