【摘要】：甲狀腺結(jié)節(jié)是臨床上常見的疾病,由多種病因引起。B型超聲影像技術(shù)因其檢查費(fèi)用低、無(wú)創(chuàng)傷、成像速度快,可實(shí)時(shí)診斷、可重復(fù)性強(qiáng)等特點(diǎn)已成為最常用檢查的方法。本文以超聲圖像為研究對(duì)象,以提取超聲子圖的紋理特征和量化結(jié)節(jié)感興趣區(qū)域(Region of Interest,ROI)中的超聲征象為研究目標(biāo),利用已有病例的超聲影像和臨床資料,重點(diǎn)分析研究超聲圖像紋理特征和甲狀腺超聲影像報(bào)告和數(shù)據(jù)系統(tǒng)(thyroid imaging reporting and data system,TI-RADS)表現(xiàn)的超聲征象,為鑒別模型提供特征集合。論文首先分析和整理了 449個(gè)甲狀腺結(jié)節(jié)超聲圖像病例。從超聲儀視頻中截取超聲圖像,標(biāo)注結(jié)節(jié)ROI的邊界。按照TI-RADS的標(biāo)準(zhǔn),整理了多種結(jié)節(jié)征象以及每一征象的表現(xiàn)狀態(tài)和結(jié)節(jié)的最終診斷結(jié)果。介紹了兩種常見的圖像分割技術(shù)NCut和Snakes,并將其應(yīng)用于甲狀腺結(jié)節(jié)ROI提取。接著,以常用的紋理特征提取方法雙樹復(fù)小波變換(Dua1 Tree Complex Wavelet Transform,DT-CWT)和Gabor濾波器為基礎(chǔ),提出一種多尺度融合的甲狀腺結(jié)節(jié)紋理特征提取方法。該方法首先將含有甲狀腺結(jié)節(jié)ROI的超聲子圖進(jìn)行DT-CWT和Gabor變換得到紋理圖像,然后計(jì)算紋理圖像的均值和方差,采用首尾相接的方法實(shí)現(xiàn)特征融合。在分類判別方法下,最終實(shí)現(xiàn)甲狀腺結(jié)節(jié)的良惡性判別。最后,論文提出了一種基于TI-RADS的甲狀腺結(jié)節(jié)超聲圖像半監(jiān)督分級(jí)方法。TI-RADS作為診斷甲狀腺結(jié)節(jié)的標(biāo)準(zhǔn),能夠規(guī)范、準(zhǔn)確地指導(dǎo)超聲工作者進(jìn)行超聲檢查。作為計(jì)算機(jī)輔助診斷系統(tǒng),首先定量分析TI-RADS表現(xiàn)出的超聲征象,將這些征象作為判別甲狀腺結(jié)節(jié)的特征向量,然后應(yīng)用半監(jiān)督模糊C-均值聚類集成模型得到的聚類結(jié)果。實(shí)驗(yàn)結(jié)果表明,該方法可以區(qū)分不同級(jí)別的甲狀腺結(jié)節(jié)。本文從甲狀腺結(jié)節(jié)紋理特征和分級(jí)方法兩個(gè)方面研究了甲狀腺超聲圖像,并取得了較好的效果。作為一種計(jì)算機(jī)輔助診斷方法,在臨床上輔助醫(yī)生診斷甲狀腺結(jié)節(jié)病癥,減小醫(yī)生主觀判斷,提供有效的診斷建議,進(jìn)一步促進(jìn)機(jī)器學(xué)習(xí)方法在醫(yī)學(xué)中的應(yīng)用。
[Abstract]:Thyroid nodule is a common disease in clinic. Because of its low examination cost, no trauma, fast imaging speed, real-time diagnosis and strong repeatability, B-mode ultrasound imaging technology has become the most commonly used examination method. In this paper, we take ultrasound image as the research object, take the extraction of the texture feature of ultrasound subimage and the ultrasonic sign of region of interest (Region of Interest,ROI) of quantized nodule as the research object, and use the ultrasonic image and clinical data of the existing cases as the research object. In order to provide the feature set for the identification model, the ultrasonic features of ultrasound image texture and thyroid ultrasound image report and data system (thyroid imaging reporting and data system,TI-RADS) were analyzed and studied. First of all, 449 cases of thyroid nodules were analyzed and sorted. Ultrasound images were intercepted from ultrasonic video and the boundary of nodular ROI was labeled. According to the standard of TI-RADS, various nodular signs, the manifestation of each sign and the final diagnosis of nodule were arranged. Two common image segmentation techniques, NCut and Snakes, are introduced and applied to ROI extraction from thyroid nodules. Then, based on two tree complex wavelet transform (Dua1 Tree Complex Wavelet Transform,DT-CWT) and Gabor filter, a multi-scale fusion method is proposed to extract the texture features of thyroid nodules. In this method, first of all, the ultrasonic subimage containing thyroid nodule ROI is transformed by DT-CWT and Gabor to obtain the texture image, then the mean value and variance of the texture image are calculated, and the feature fusion is realized by combining the head and tail. Finally, the benign and malignant thyroid nodules can be distinguished by classifying and discriminating. Finally, this paper presents a semi-supervised classification method of thyroid nodules based on TI-RADS. TI-RADS is the standard for the diagnosis of thyroid nodules. As a computer-aided diagnosis system, the ultrasonic features of TI-RADS are quantitatively analyzed, and these signs are used as characteristic vectors to distinguish thyroid nodules, and then the clustering results obtained by semi-supervised fuzzy C-means clustering model are applied. The experimental results show that the method can distinguish different thyroid nodules. In this paper, we studied the thyroid ultrasound images from the texture features and classification methods of thyroid nodules, and achieved good results. As a kind of computer-aided diagnosis method, it can help doctors diagnose thyroid nodules in clinic, reduce doctors' subjective judgment, provide effective diagnostic advice, and further promote the application of machine learning in medicine.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R581;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 楊振森;李傳富;周康源;劉偉;馮煥清;;基于小波變換的超聲圖像紋理特征提取及前列腺癌診斷[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2009年04期

2 ;[J];;年期

相關(guān)會(huì)議論文 前3條

1 劉玉芳;劉定生;;利用紋理特征提取城市用地信息方法探索[A];中國(guó)地理學(xué)會(huì)2004年學(xué)術(shù)年會(huì)暨海峽兩岸地理學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

2 彭玲;趙忠明;;遙感圖像紋理特征提取的若干方法[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

3 曾文涵;楊練根;謝鐵邦;李柱;;彈頭發(fā)射痕跡紋理特征提取方法的研究[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

相關(guān)博士學(xué)位論文 前2條

1 畢于慧;彩色航空?qǐng)D像森林紋理特征提取方法的研究[D];北京林業(yè)大學(xué);2007年

2 李朝榮;Copula驅(qū)動(dòng)的小波域紋理特征提取研究[D];電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 肖敏敏;基于多維特征融合的地震剖面相似性研究[D];西安石油大學(xué);2015年

2 陳辰;基于相對(duì)相域頻繁項(xiàng)集的紋理特征提取方法及其在圖像分類中的應(yīng)用[D];蘭州大學(xué);2015年

3 李洪偉;基于高分辨率影像紋理特征提取日光溫室方法研究[D];蘭州大學(xué);2016年

4 楊旭;木材加工自動(dòng)化中的板材缺陷檢測(cè)技術(shù)研究[D];南京林業(yè)大學(xué);2016年

5 曹家梓;圖像的紋理特征提取與力/觸覺表達(dá)研究[D];東南大學(xué);2016年

6 鄔志強(qiáng);肋骨皮質(zhì)紋理特征提取分類算法設(shè)計(jì)[D];齊齊哈爾大學(xué);2016年

7 姚騁天;基于圖像紋理特征提取方法的人臉識(shí)別[D];中國(guó)計(jì)量大學(xué);2016年

8 王樸;人臉局部紋理特征提取方法及其應(yīng)用研究[D];重慶理工大學(xué);2016年

9 賀亞超;強(qiáng)光照下內(nèi)河溢油紋理特征提取研究[D];大連海事大學(xué);2017年

10 王昊;甲狀腺結(jié)節(jié)超聲圖像紋理特征提取及半監(jiān)督分級(jí)方法研究[D];西南交通大學(xué);2017年

，

本文編號(hào)：2261033