Page 55 - 《应用声学》2021年第1期
P. 55

第 40 卷 第 1 期                                                                       Vol. 40, No. 1
             2021 年 1 月                          Journal of Applied Acoustics                   January, 2021

             ⋄ 生物医学超声与光声 ⋄



                    超声射频信号的甲状腺结节智能诊断方法                                                             ∗




                                            高 凡    1   屠 娟    1,2   章 东    1,2†



                                               (1  南京大学声学研究所      南京  210093)
                                           (2  湖南润泽医学影像科技有限公司        岳阳   414000)
                摘要：由于人口老龄化的原因，甲状腺癌的发病率增长率在所有癌症中是最为显著的。因此，对存在癌变可能
                的甲状腺结节进行预检查显得尤为重要，而超声智能诊断系统在甲状腺结节早期筛查方面已展现出巨大的应
                用前景。该文的工作旨在提出一种基于超声原始射频信号的组织参数定征和人工神经网络相结合的甲状腺结
                节智能诊断方法，以提高临床超声诊察效率及准确性。为达成上述目的，该文使用滑动窗口图像分析方法和
                多兴趣区覆盖的方法提取组织定征参数作为特征，使用人工神经网络进行良恶性分类，并对可能影响分类准
                确性的相关因素进行参数相关性分析。结果显示，基于临床样本，该文提出的智能诊断方法可达到 93.2% 敏感
                度、94.0% 特异性和 93.5% 准确率。该方法一定程度上克服了传统方法无法充分利用图像局部细节信息的不
                足，有效提高了诊察效率和准确性；另一方面，与深度神经网络相比，本方法对计算资源和样本量的需求较少。
                因此有望在该文研究基础上最终建立一套可实际用于甲状腺结节的预筛查的临床智能诊断系统。
                关键词：超声射频信号；甲状腺结节；组织定征；人工神经网络
                中图法分类号: O426.9          文献标识码: A          文章编号: 1000-310X(2021)01-0051-09
                DOI: 10.11684/j.issn.1000-310X.2021.01.006


                      Computer-aided diagnosis of thyroid nodules based on ultrasound
                                                radio frequency signal


                                         GAO Fan  1  TU Juan 1,2  ZHANG Dong  1,2

                                   (1  Institute of Acoustics, Nanjing University, Nanjing 210093, China)
                                     (2  Runze Medical Technical Company, Yueyang 414000, China)

                 Abstract: Due to the aging of the population, the incidence of thyroid cancer dramatically increases in
                 recent years.  Therefore, pre-examination of thyroid nodules is particularly important.  Since ultrasound
                 intelligent diagnosis system has shown great application prospects in the early screening of thyroid nodules,
                 this paper aims to propose a new intelligent diagnosis method of thyroid nodules, which combines tissue
                 parameter characterization and artificial neural network based on ultrasound radio-frequency (RF) signals, to
                 improve the efficiency and accuracy of clinical ultrasound diagnosis. To achieve this purpose, we use sliding
                 window image analysis method and multiple regions of interest (multi-ROI) coverage method to extract
                 tissue characteristic parameters as features, then use artificial neural network as classifier, and analyze the
                 correlation of related factors that may affect the accuracy of classification. The results showed that the appli-
                 cation of the current method can achieve a sensitivity of 93.2%, a specificity of 94.0% and an accuracy of 93.5%.


             2020-08-19 收稿; 2020-12-09 定稿
             江苏省重点研发计划项目 (BE2018703), 湖南省战略性新兴产业科技攻关与重大成果转化项目 (2019GK4046), 国家自然科学基金项目
             ∗
             (81774408, 81973957)
             作者简介: 高凡 (1994– ), 男, 江苏镇江人, 硕士研究生, 研究方向: 超声成像与超声诊断。
             † 通信作者 E-mail: dzhang@nju.edu.cn
   50   51   52   53   54   55   56   57   58   59   60