Page 56 - 《应用声学》2021年第1期
P. 56

52                                                                                   2021 年 1 月


                 To a certain extent, this method overcomes the inability of traditional methods to make full use of the local
                 details, thereby effectively improving the efficiency and accuracy of diagnosis. On the other hand, compared
                 with deep neural networks, it has less demand for computational resources and sample size. It is expected to
                 finally establish a clinical intelligent diagnosis system that can be practically used for pre-screening of thyroid
                 nodules.
                 Keywords: Ultrasound radio frequency signal; Thyroid nodules; Tissue characterization; Artificial neural
                 network

                                                               是依靠深度神经网络，利用计算机对大量标记后的
             0 引言
                                                               超声图像进行自发学习和聚类，而无需人工提取特
                                                               定参数。前者中比较有代表性的包括 P 值法                    [9] 、基
                 癌症是对人类健康的一大威胁，在中国，癌症
             的发病率和死亡率一直持续上升               [1] 。而在所有癌症          于定量超声 (Quantitative ultrasound, QUS) 参数
                                                               的研究    [10]  等。这类方法依赖于人工对兴趣区 (Re-
             当中，甲状腺癌的增长是最为明显的，而且由于人
             口老龄化的原因，未来所面临的情况将更为严峻                      [2] 。  gion of interest, ROI) 的准确选取或精确的图像分
                                                               割方法来将结节与正常组织区分开，且往往将分割
             因此，对存在癌变可能的甲状腺结节进行检查显得
                                                               出的结节作为一个整体进行研究，在整个结节内部
             尤为重要。细针穿刺活检 (Fine-needle aspiration,
             FNA)  [3]  是判断甲状腺结节良恶性的金标准，但是                     取得参数的平均值，这样的做法可能会导致信息的
             检查费用昂贵，而且会给患者带来巨大的痛苦，在目                           丢失。根据 TIRADS 中的临床诊断标准，结节良恶
             前的临床应用中，仅当结节被怀疑为恶性的时候才                            性的区分不仅依赖于与结节整体的特征例如平均
             会进行穿刺活检。因此，在做穿刺活检之前对甲状                            灰度、散射子平均直径，也与很多图像的局部特征有
             腺结节的预筛查有着重要的临床价值。                                 关，诸如是否有毛刺          [11] 、边界是否清晰规整       [12] 、内
                 甲状腺结节的预筛查方法主要包括 X 光照                          部是否有钙化斑点          [13]  等等，甚至结节周边的组织
             片 (Radiographs)  [4] 、计算机断层成像 (Computed           形态也与结节的良恶性有着密切的关联                   [14] ，而这些
             tomography, CT)  [5] 、磁共振成像 (Magnetic reso-       特点很难用单个参数来进行表征。因此，传统方法
             nance imaging, MRI) [6]  和超声成像。其中 X 光检            具有较大的局限性，限制其准确度的进一步提升以
             查的辐射会对人体造成损害，CT 和 MRI 需要消耗                        及临床应用的可能性。为了解决以上问题，深度神
             大量的时间，使用成本较高。相比较而言，超声由                            经网络被应用到该领域            [15−17] ，通过搭建复杂的神
             于其非侵入性、成本较低、使用方便、对人体无害                            经网络，对大量的超声图像进行层层卷积，由计算机

             的特点，目前在临床上已经广泛应用于甲状腺结                             自动提取所需特征。该类方法可以充分利用图像中
             节的筛查     [7] 。美国放射学会提出甲状腺成像报告                     的细节信息，从而达到更高的准确率。但是深度学
             和数据系统 (Thyroid imaging reporting and data         习本身依赖于大量的样本和较大的计算资源，成本
             system, TI-RADS)  [8] ，用于对甲状腺结节图像进行               较高，如果样本数目不足，则无法自动提取出准确的
             预筛查。但是 TI-RADS 依赖于超声科医生的经验，                       分类特征，且对于计算机自动判别的中间过程难以
             具有较强的主观性，且人工筛查会增加医生的工                             给出详细的理论解释，限制其与现有的医学知识相
             作量。超声智能诊断系统在解决以上问题方面展                             结合。因此，有必要在这两者之间进行折衷，提出一
             现出巨大的应用前景。该方法旨在通过各类机器                             些针对医学领域特定的方法，既可以尽量减小所需
             学习技术，利用计算机智能分析对超声图像给出参                            的计算资源，又可以对结节的良恶性进行准确区分。
             考性的诊断意见，进行初步的筛查，帮助医生减轻                            此前，研究者们通过灰度共生矩阵提取超声射频
             工作量。                                              (Radio-frequency, RF) 信号的纹理特征        [18−19] ，且
                 目前在智能诊断方面的研究大致分为两类：一                          取得较好的分类效果，并可通过改进算法进一步缩
             类是将特定参数人工提取与较为简单的机器学习                             减计算量。
             工具相结合的传统方法，计算机所需要完成的仅仅                                超声 RF 信号相比于传统超声图像在计算机智
             是对人工提取完毕的特征进行分析和组合；另一类                            能诊断方面具有独到的优势。传统超声图像除了
   51   52   53   54   55   56   57   58   59   60   61