基于TI-RADS的甲状腺结节超声图像特征提取技术研究

计算机科学››2015，第42卷››发行（Z11）: 126-130.

基于TI-RADS公司的甲状腺结节超声图像特征提取技术研究

韩晓涛,杨燕,彭博,陈琴

西南交通大学信息科学与技术学院成都610031,西南交通大学信息科学与技术学院成都610031,西南交通大学信息科学与技术学院成都610031,西南交通大学信息科学与技术学院成都610031

出版日期:2018-11-14 发布日期:2018-11-14
基金资助:
本文受四川省科技支撑计划项目（2014SZ0207）资助

基于TI-RADS的甲状腺结节超声图像特征提取技术

韩晓涛、杨燕、彭波、陈琴

在线：2018-11-14 出版：2018-11-14

摘要/摘要

摘要：超声是甲状腺检查的首选影像学方法。甲状腺超声影像的临床分析主要通过医生参考甲状腺影像报告和数据系统（TI-RADS）对超声图像进行特征评价量化, 但特征量化结果与医生的经验、状态等主观因素相关。通过计算机辅助分析方法,可客观定量地分析超声影像特征,减少主观因素对诊断结果的影响。但已有系统多是使用经典的图像纹理特征,这类特征抽象且缺乏明确意义,难以在临床运用。通过对TI-RADS公司中涉及到的超声征象进行提取并量化, 利用医生在临床诊断中依据经验所使用的视觉特征,设计对应的量化方法,可为甲状腺超声的标准化描述提供基础。根据这些特征,通过统计学习方法建立甲状腺结节良恶性鉴别模型,为临床诊断提供参考建议,该模型的识别正确率达到了100%。

关键词: ，TI-RADS、，特征提取,甲状腺超声图像

摘要：超声是甲状腺检查的首选成像方式。甲状腺超声的临床分析是基于对甲状腺成像报告和数据系统（TI-RADS）中的超声图像特征进行定量评估。然而，量化特征的结果受到医生经验水平、地位等相关因素的影响。计算机辅助分析可以客观分析超声成像特征，减少主观因素对诊断结果的影响。但现有的系统大多基于经典的图像纹理特征，这些特征抽象且缺乏明确的含义，难以在临床上使用。提取并量化TI-RADS中涉及的甲状腺结节的声像图特征。根据医生的临床经验，设计了相应量化方法的视觉特征，为甲状腺超声图像的标准化描述提供了依据。采用统计学习方法，建立了基于这些特征的甲状腺良恶性结节识别模型，为临床诊断提供参考建议。模型的识别准确率达到100%。

关键词： 图像识别、TI-RADS、特征提取、甲状腺超声图像

韩晓涛,杨燕,彭博,陈琴.基于TI-RADS公司的甲状腺结节超声图像特征提取技术研究[J] ●●●●。计算机科学, 2015，42（Z11）：126-130。https://doi.org/

韩晓涛、杨燕、彭波和陈琴。基于TI-RADS的甲状腺结节超声图像特征提取技术[J] ●●●●。计算机科学，2015，42（Z11）：126-130。https://doi.org/

中文

[1] Horvath E，Majlis S，Rossi R，et al.甲状腺结节分层癌风险超声报告系统的临床应用[J]。临床内分泌代谢杂志，2009,94（5）：1748-1751
[2] Park J Y，Lee H J，Jang H W等。甲状腺癌超声特征甲状腺成像报告和数据系统的建议[J]。甲状腺，2009,19（11）：1257-1264
[3] Hirning T，Zuna I，Schlaps D.通过计算机化b型纹理分析对甲状腺的超声表现进行量化和分类[J]。欧洲放射杂志，1989，9（4）：244-247
[4] Skouroliakou C，Lyra M，Antoniou A，等。甲状腺声像图中的定量图像分析[J]。核仪器与物理方法，2006569:606-609
[5] Savelonas M A，Iakovidis D K，Dimitropoulos N，等.氡区甲状腺组织的计算表征[C]‖Proc。IEEE基于计算机的医疗系统国际研讨会。斯洛文尼亚，2007:189-192
[6] 柯拉米达斯·E·G，伊阿科维迪斯·D，马鲁利斯·D，等.高效的甲状腺结节超声图像分析方案[J]计算机科学讲义，20074633:1052-1060
[7] Keramidas E G，Iakovidis D K，Maroulis D，et al.基于抗噪图像特征的甲状腺纹理表示[C]‖第21届IEEE计算机医疗系统国际研讨会，2008（CBMS’08）。IEEE，2008:560-565
[8] 丁建瑞。基于多实例学习的浅表器官超声图像分类[D]。哈尔滨工业大学，2012
[9] Chang C Y，Tsai M F，Chen S J.基于支持向量机的甲状腺结节分类[C]‖IEEE国际神经网络联合会议，2008（IJCNN 2008）。IEEE，2008:3093-3098
[10] Chang C Y，Liu H Y，Tseng C H，et al.超声图像中甲状腺Graves病的自动诊断[C]‖第九届国际混合智能系统会议，2009（HIS'09）。IEEE，2009年1月19日-197
[11] Selvathi D，Sharnitha V S.使用机器学习算法对超声图像中的甲状腺进行分类和分割[C]‖2011年信号处理、通信、计算和网络技术国际会议（ICSCCN）。电气与电子工程师协会，2011:836-841
[12] 杨伟。肿瘤的超声声像图特征对良恶性的鉴别和定量分析[D]。上海交通大学，2009
[13] 詹伟伟、徐尚彦。甲状腺结节的超声检查进展[J]。医学超声杂志（电子版），2013（2）：1672-6448
[14] 马步云，帕拉朱尔·希亚姆·桑达尔，等.甲状腺结节超声检查中的甲状腺成像报告和数据系统[J]。中国普通外科基础与临床杂志，2011,18（8）：898-901
[15] Savelonas M A，Maroulis D E，Iakovidis D K，等.利用边界描述符对甲状腺超声图像中结节进行计算机辅助恶性风险评估[J]。信息学泛希腊会议，2008:157-160
[16] 关青、张伟。基于分形维数的图像边缘检测[J]。计算机科学，2015,2（6）：296-298
[17] 伊藤，Chono M，Sekiguchi T，等.超声图像轮廓周围诊断信息的定量评估[J]。医学超声，2005,32:135-144
[18] Garg H，Jindal A.利用神经网络分割超声图像中的甲状腺[C]‖2013年第四届国际计算、通信和网络技术会议（ICCCNT）。IEEE，2013年1月5日

韵律学

已查看

全文

摘要

引用

共享

讨论

基于TI-RADS公司的甲状腺结节超声图像特征提取技术研究

基于TI-RADS的甲状腺结节超声图像特征提取技术

PDF（PC）

摘要/摘要

引用本文

使用本文

中文

相关文章0

韵律学

文

推荐阅读0