基于计算机辅助的甲状腺结节多模态超声诊断研究

Thyroid nodule is a common clinical disease, and ultrasound examination is the first of choice for its screening and qualitative diagnosis. However, a single module ultrasound examination could not obtain satisfactory results for differentiaton malignant from benign thyrid nodules, and no absolutely reliable criteria for thyroid disease has been found to date, making diagnostic accuracy severly affected by physicians'experience..This project aims to establish world-wide thyroid ultrasound database, combining pattern recognition and clnical information, and to perform pattern recongition technique on multimodality images such as gray scale ultrasound, color Doppler flow imaging, Realtime Elastography, Three-dimensional Power Doppler Angiography. We would obtain quantitive indexes of multimodality ultrasound images for qualitative diagnosis of thyroid disease through image processing, feature extraction, and classfication..This study would make comprehensive analysis on database, provide abudent diagnostic information, maxmize the effect of ultrasound examination on thyroid disease, and utilize those indexes as more accurate and effective criteria for thyroid disease qualitative diagnosis, which could bring ultrasound diagnosis on thyroid disease with breakthroughs.

甲状腺结节是常见的临床疾病，超声检查是其筛查与定性诊断的首选影像学方法。但各超声模态单独用于甲状腺结节进行定性诊断研究均未获得理想结果，且目前尚未形成甲状腺疾病定性诊断绝对可靠的标准，其诊断准确性受医生诊断水平的严重限制。.本项目将模式识别研究与医学临床信息相结合，欲建立国际共享甲状腺超声资料库，以灰阶超声、彩色多普勒血流成像、实时弹性成像、三维能量多普勒血管成像的多模态超声资料作为研究对象，采用模式识别方法对超声资料进行预处理、特征提取、分类，拟获得甲状腺疾病定性诊断的多模态超声综合定量指标。.本研究将多模态资料综合分析，诊断信息更加丰富，使超声检查在甲状腺疾病的诊断过程中发挥最大作用，多模态超声综合定量指标将成为甲状腺疾病超声定性诊断更为详尽、有效的新标准，为甲状腺疾病超声诊断带来突破性进展。

甲状腺肿瘤是头颈肿瘤中的常见病和多发病，居头颈肿瘤首位，是发病率增高最快的实体癌。超声检查是其筛查与定性诊断的首选影像学方法。为了提高医生对甲状腺超声检查的客观性和诊断效率，计算机辅助诊断系统应运而生，为甲状腺超声诊断带来了新的思路。目前的计算机辅助甲状腺超声诊断多依赖于对于单一模态的图像信息进行处理，而本研究在收集了大量的甲状腺超声多模态数据的基础上，建立了国际共享的甲状腺超声数据库，并将多模态资料综合分析，在计算机辅助成像方面重点进行了如下工作：（1）为了有效地取出图像中的speckle噪声，我们提出了一种基于二维均匀性直方图和方向滤波的超声图像降噪算法，该方法可以有效保留图像的边缘细节。（2）甲状腺超声计算机辅助诊断系统主要是依据的是低级特征，而医生依据的是根据经验知识得到的高级语义特征。本项目利用 SVM实现从低级特征向高级语义特征的映射，并且使用C4.5决策树对映射后的高级语义特征进行分类，所得的分类结果更加符合人类理解，分类正确率也有明显的提高。（3）利用颜色矩、颜色熵等颜色特征提取方法对彩色多普勒图像序列中潜在的血流分布信息进行了挖掘，并从中提取了一系列血流动力学特征，从而弥补了单帧图像信息提取不全的局限性。将这些特征输入到支持向量机中进行肿瘤良恶性的划分。本研究提取的特征提取策略有助于提高甲状腺超声计算机辅助诊断的精度，同时降低误诊率和漏诊率。（4）课题组采用计算机辅助诊断（CAD）技术对甲状腺弹性图像进行分析，提出适合医生临床使用的量化指标——硬区域面积比，相比于评分法及应变比值法更加客观，并对硬度阈值进行了分析，确定了硬度阈值范围，以达到弹性成像对甲状腺良恶性的最佳分类性能。在上述理论研究的基础上，本项目已发表SCI检索的国际期刊文章1篇，国内核心期刊文章2篇。已培养了博士研究生及硕士研究生各3名。

内容获取失败，请点击重试