[发明专利]基于超声图像的甲状腺弥漫性疾病智能诊断系统

说明书

本发明涉及一种基于超声图像的甲状腺弥漫性疾病智能诊断系统，所述系统包括如下模块：ROI的选择和预处理模块，ROI的尺寸大小设置为64*64，在选择ROI时应尽量避开甲状腺实质的边缘和血管，选择比较均匀的甲状腺实质部分，将ROI图像的灰度值映射到0‑255之间；小波多子图共生矩阵的构造和纹理特征提取模块。针对超声图像的斑点噪声特点以及甲状腺弥漫性疾病的诊断要点，提出了多个可用于辅助诊断的纹理特征，这些纹理特征对于Graves病和桥本病都有着明显的区分度，既可在提取纹理特征的过程中滤除斑点噪声的影响，又能够显著提高诊断结果的准确度。

(一)技术领域

本发明属于计算机辅助诊断领域，具体涉及超声图像的甲状腺弥漫性疾病分类研究，是一种基于超声图像的甲状腺弥漫性疾病智能诊断系统。

(二)背景技术

甲状腺弥漫性疾病是一种常见的甲状腺疾病，会对人体的正常代谢产生影响，常见的甲状腺弥漫性疾病主要有桥本病和Graves病。医学上确诊甲状腺弥漫性疾病的金标准是活体组织检查，但是活检的有创性会给患者带来很大痛苦，因而在临床使用受到一定限制。目前医生进行临床诊断一般采用血检，通过血清血指标诊断患者可能患有的疾病。但是在实际的临床诊断中，不同的弥漫性疾病在血清血指标上可能十分近似，容易造成混淆。超声图像检查具有无创、方便、可重复性高、无辐射以及价格低廉等特点，是广泛使用的甲状腺疾病检查方法之一。基于超声图像纹理特征进行甲状腺弥漫性疾病的研究，及时对患者患甲状腺弥漫性疾病的情况进行诊断，在临床上具有重要意义。

目前在计算机辅助诊断领域常见利用深度学习和影像组学等方法基于超声图像对甲状腺结节性疾病进行研究，但是对甲状腺弥漫性疾病的影像组学研究资料很少，仅有部分研究人员利用影像组学方法，通过提取图像的纹理特征实现了桥本病与正常甲状腺的区分，或者对甲状腺甲亢和甲减进行区分。但对多种常见的弥漫性甲状腺疾病，如Graves病、桥本病和正常甲状腺组织的超声图像的分类还处于空白状态，更没有研究专门针对甲状腺疾病的特点提出相应的纹理特征，以提高弥漫性疾病的诊断精度。因此临床上对成熟的甲状腺弥漫性疾病诊断系统有很强需求。

现有利用影像组学进行计算机辅助诊断研究的流程基本相似，主要差异在于特征提取、特征选择与分类器的选择上，其中常见的特征提取方法有灰度直方图、共生矩阵、局部二值模式(LBP)、统计特征等，一般特征选择方法主要有遗传算法、序列前向搜索、序列后向搜索等。常见的分类器包括SVM、Naive Bayes、KNN等，也有采用多个分类器整合进行判断。但少有研究会针对数据特点设计特征，对不同特征的差异进行数学描述，以期得到更好的分类结果。本发明针对Graves病和桥本病进行纹理分析，提出基于超声图像的甲状腺弥漫性疾病纹理特征，并结合甲状腺弥漫性疾病的特点改进传统纹理特征选择方法，得到高性能的计算机辅助诊断系统。

(三)发明内容

本发明的目的在于弥补甲状腺弥漫性疾病智能诊断领域的研究不足，提供一种基于超声图像的甲状腺弥漫性疾病智能诊断系统。该系统提出了多个可用于区分甲状腺疾病的纹理特征，基于该方法实现的计算机辅助诊断系统可为医生诊断甲状腺弥漫性疾病提供诊断建议，降低误诊率。

本发明的目的是通过以下技术方案实现的：根据专业医生提供的原则选择甲状腺超声图像中的感兴趣区域(Region ofInterest，ROI)并进行预处理，针对预处理后的ROI构造基于条索的特征、基于灰度游程长矩阵的最长高亮游程特征、小波多子图共生矩阵等，借助mRMR方法进行特征选择，并用SVM分类器实现甲状腺弥漫性疾病的分类。

本发明的流程图如图1所示，共分为五个步骤，具体步骤如下：

步骤一：ROI的选择和预处理。

1)在甲状腺区域突出、纹理清晰的超声图像中选择ROI，在选择ROI时应尽量避开甲状腺实质的边缘和血管，选择比较均匀的甲状腺实质部分。