摘   要： 提出了一種基于B超圖像的甲狀腺結(jié)節(jié)特征提取與量化方法，并由此來鑒別甲狀腺結(jié)節(jié)的良惡性。首先通過對甲狀腺B超圖像的分析，對臨床鑒別甲狀腺結(jié)節(jié)良惡性的特征進行量化，提取了不規(guī)則度、緊致度和銳度等共9個特征；然后根據(jù)類間距對各個特征的分類能力進行評價，選出類間距最大的特征(不規(guī)則度、衰減系數(shù)、縱橫比、緊致度和鈣化度)作為特征向量；最后，采用支持向量機（SVM）對甲狀腺結(jié)節(jié)進行分類識別。研究結(jié)果表明，該方法的診斷精確度為91.25%，說明此識別方法對甲狀腺結(jié)節(jié)超聲圖像具有較高的分類準(zhǔn)確性，有望為甲狀腺的臨床診斷提供有價值的參考。
關(guān)鍵詞：醫(yī)學(xué)超聲圖像；特征提??；特征量化；支持向量機

    甲狀腺結(jié)節(jié)在臨床中十分常見，通過高分辨超聲發(fā)現(xiàn)，人群甲狀腺結(jié)節(jié)的患病率為19%~67%，其中，甲狀腺癌占5%~15%[1]。由于甲狀腺結(jié)節(jié)的發(fā)病原因未知，只有盡早地發(fā)現(xiàn)、確診，才能提高甲狀腺癌的治愈率。B超具有無創(chuàng)、動態(tài)和廉價等特點，已成為甲狀腺結(jié)節(jié)術(shù)前檢查的首選方法[2]。當(dāng)前，醫(yī)學(xué)圖像的臨床分析主要通過醫(yī)生對圖像的定性判別來完成。使用的特征和診斷標(biāo)準(zhǔn)不同，缺乏圖像特征的定量度量以及視覺感知上的差異,導(dǎo)致不同醫(yī)生對于同一病例的診斷結(jié)果存在差異。
    超聲圖像的分類已被廣泛應(yīng)用于肝臟、乳腺等處的不同疾病的計算機輔助診斷中。但由于甲狀腺癌生物學(xué)特性多變，多源性多種性質(zhì)結(jié)節(jié)并存，從臨床表現(xiàn)和影像學(xué)特征上與良性病變常難以區(qū)別，使得普通超聲成像在甲狀腺疾病的診斷上價值有限，因此,目前針對超聲圖像的甲狀腺結(jié)節(jié)良惡性識別的研究也相對較少。此外，現(xiàn)在的多數(shù)圖像識別方法都是以神經(jīng)網(wǎng)絡(luò)作為分類器對圖像進行分類，而且針對病灶特征的提取不全面，導(dǎo)致分類結(jié)果不甚理想。支持向量機(SVM)是統(tǒng)計學(xué)習(xí)理論最年輕、最實用的內(nèi)容，現(xiàn)已成為繼神經(jīng)網(wǎng)絡(luò)之后新的研究熱點。本文將臨床鑒別甲狀腺結(jié)節(jié)良惡性的依據(jù)進行分類、量化，并選擇出類間距最大的5個向量作為支持向量機的輸入向量組合,對樣本進行識別分類。
1 甲狀腺結(jié)節(jié)超聲圖像的特征提取
    在臨床應(yīng)用中，醫(yī)生一般根據(jù)表1列出的特征來判別甲狀腺結(jié)節(jié)的惡性和良性[3]。由表1可知，惡性結(jié)節(jié)圖像和良性結(jié)節(jié)圖像在形狀、邊界、回聲和鈣化等特征上都存在不同，結(jié)節(jié)的良、惡性可以依據(jù)這些特征的差異區(qū)別開。

 
       RB在一定程度上與成像儀器和設(shè)置參數(shù)有關(guān)。
1.2.6 鈣化特征
    在高頻超聲圖像上，鈣化可分為微鈣化(≤1 100 u的針尖樣強光點)、粗鈣化(>1 100 u的強光團)和弧形鈣化(腫塊表面弧形或環(huán)形強光帶后伴聲影)3種類型。經(jīng)臨床證實，惡性組中鈣化檢出率明顯高于良性，而且大部分為微鈣化。針對此種特性，采用鈣化度(Calcification)進行量化。
     設(shè)鈣化≤1 100 u的強光點內(nèi)像素個數(shù)為v1,微鈣化點的個數(shù)為n，結(jié)節(jié)內(nèi)像素點總數(shù)為v，鈣化度定義為：
    
    類間距D越大，則表示該特征對于分類識別的能力越強。由表2可以觀察到有5個特征的類間距大于1，分別是不規(guī)則度、衰減系數(shù)、縱橫比、緊致度和鈣化度，說明這5個特征對于甲狀腺結(jié)節(jié)的良惡性識別能力較強。其中,不規(guī)則度特征的類間距為1.954 7，表明結(jié)節(jié)不規(guī)則度是區(qū)分結(jié)節(jié)的良惡性最有效特征。本文提取不規(guī)則度、衰減系數(shù)、縱橫比、緊致度和鈣化度作為特征向量組合，對樣本進行識別。
2 支持向量機原理
      SVM是基于統(tǒng)計學(xué)習(xí)理論發(fā)展而來的一種新的機器學(xué)習(xí)方法[4]。其基本思想是：通過分析相關(guān)性找到空間映射函數(shù)，將輸入向量映射到高維特征空間，在映射后的空間中尋找一個最優(yōu)的分界面(超平面)。在尋找最優(yōu)分界面時，依據(jù)結(jié)構(gòu)風(fēng)險最小化原則，得到的最優(yōu)分界面不但能將兩類無錯誤地分開,而且使兩類分類間隔(Margin)最大，并巧妙地利用原空間的核函數(shù)代替高維特征空間中的點積，避免了復(fù)雜計算。
   
    K(xi,xj)被稱為核函數(shù)，SVM的基本核函數(shù)主要有線性核函數(shù)、多項式核函數(shù)、徑向基函數(shù)和Sigmoid函數(shù)：

    經(jīng)過驗證，C=100，δ=0.5時,診斷系統(tǒng)處于最佳狀態(tài)。
    甲狀腺結(jié)節(jié)良惡性的診斷需要綜合運用臨床、影像和病理學(xué)等知識和技術(shù)手段，早發(fā)現(xiàn)、早治療仍然是現(xiàn)階段有效提高惡性結(jié)節(jié)治愈率的主要措施。本文將各類特征進行精確量化，選取緊致度、不規(guī)則度、縱橫比、衰減系數(shù)和鈣化度作為特征向量組，采用徑向基函數(shù)作為支持向量機的核函數(shù)進行分類。該識別方法對甲狀腺結(jié)節(jié)超聲圖像具有較高的分類準(zhǔn)確性,準(zhǔn)確率達到91.25%，有望提高甲狀腺癌超聲早期診斷的準(zhǔn)確性。
參考文獻
[1] POLYZES S A，KITA M，AVRAMIDIS A． Thyroid nodules-stepwise diagnosis and management[J]．HORMONES,2007，6(2)：101-119．
[2] 羅斌鈺，趙詠桔．超聲檢查在甲狀腺結(jié)節(jié)術(shù)前鑒別診斷中的作用——一項2890患者、4 165結(jié)節(jié)的超聲-
病理分析[J]．中華內(nèi)分泌代謝雜志，2010，26(4)：282-284．
[3] 呂珂，姜玉新,張縉熙，等．甲狀腺結(jié)節(jié)的超聲診斷研究[J]．中華超聲影像學(xué)雜志，2003，12(5)：285-288．
[4] 張學(xué)工．關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J].自動化學(xué)報，2000，26(1)：32-41．