摘   要： 提出了一種基于B超圖像的甲狀腺結節(jié)特征提取與量化方法,，并由此來鑒別甲狀腺結節(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）對甲狀腺結節(jié)進行分類識別,。研究結果表明,，該方法的診斷精確度為91.25%，說明此識別方法對甲狀腺結節(jié)超聲圖像具有較高的分類準確性,，有望為甲狀腺的臨床診斷提供有價值的參考,。
關鍵詞：醫(yī)學超聲圖像；特征提??；特征量化；支持向量機

    甲狀腺結節(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,，已成為甲狀腺結節(jié)術前檢查的首選方法[2],。當前，醫(yī)學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準不同,，缺乏圖像特征的定量度量以及視覺感知上的差異,導致不同醫(yī)生對于同一病例的診斷結果存在差異,。
    超聲圖像的分類已被廣泛應用于肝臟,、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特性多變,，多源性多種性質結節(jié)并存,，從臨床表現(xiàn)和影像學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,，導致分類結果不甚理想。支持向量機(SVM)是統(tǒng)計學習理論最年輕,、最實用的內容,，現(xiàn)已成為繼神經(jīng)網(wǎng)絡之后新的研究熱點。本文將臨床鑒別甲狀腺結節(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 甲狀腺結節(jié)超聲圖像的特征提取
    在臨床應用中,，醫(yī)生一般根據(jù)表1列出的特征來判別甲狀腺結節(jié)的惡性和良性[3],。由表1可知，惡性結節(jié)圖像和良性結節(jié)圖像在形狀,、邊界,、回聲和鈣化等特征上都存在不同，結節(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置參數(shù)有關。
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,。
     設鈣化≤1 100 u的強光點內像素個數(shù)為v1,微鈣化點的個數(shù)為n,，結節(jié)內像素點總數(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，表明結節(jié)不規(guī)則度是區(qū)分結節(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)計學習理論發(fā)展而來的一種新的機器學習方法[4],。其基本思想是：通過分析相關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)結構風險最小化原則，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)。
    甲狀腺結節(jié)良惡性的診斷需要綜合運用臨床,、影像和病理學等知識和技術手段,，早發(fā)現(xiàn)、早治療仍然是現(xiàn)階段有效提高惡性結節(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節(jié)超聲圖像具有較高的分類準確性,準確率達到91.25%,，有望提高甲狀腺癌超聲早期診斷的準確性,。
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節(jié)術前鑒別診斷中的作用——一項2890患者,、4 165結節(jié)的超聲-
病理分析[J]．中華內分泌代謝雜志,，2010,，26(4)：282-284．
[3] 呂珂,，姜玉新,張縉熙，等．甲狀腺結節(jié)的超聲診斷研究[J]．中華超聲影像學雜志,，2003,，12(5)：285-288．
[4] 張學工．關于統(tǒng)計學習理論與支持向量機[J].自動化學報，2000,，26(1)：32-41．