Page 57 - 《应用声学》2021年第1期
P. 57

第 40 卷 第 1 期              高凡等： 超声射频信号的甲状腺结节智能诊断方法                                            53


             对超声 RF 信号进行取包络和对数压缩之外，还加                          播算法训练的人工神经网络 (Artificial neural net-
             入了诸如对比度增强、平滑滤波等个性化设置，这                            work, ANN)  [24−25]  作为分类器，该种网络相比用
             些操作会使超声图像更加美观，但是其中的一部分                            于深度学习的卷积神经网络 (Convolutional neural
             信息不可避免地丢失。研究表明，超声原始 RF 信                          networks, CNN) 要简单，具优势在于：无需对潜在
             号比传统的超声图像包含更多信息，而一些在人工                            的关键变量进行先验的识别，无需对数据进行太多
             判断中用处不大的信息对于机器来说却可以很好                             的正则化，并且可以识别输入变量之间复杂的非线
             地利用   [18] 。近年来，基于超声 RF 信号的组织定征                   性关系，且有多种训练模式可供选择。此外，本文还
             参数已经被应用于甲状腺诊断之外的医学领域，例                            研究了覆盖甲状腺结节的 ROI 数量和大小对于准
             如 Tsui等使用基于超声原始 RF 信号的香农熵                 [20] 、  确率和训练时间的影响，比较了基于概率密度函数
             加权熵   [21]  和峰度  [22]  对脂肪肝病变进行分级，而               的熵、加权熵、Nakagami-m 和峰度与基于灰度共生
             Nakagami 成像也被应用于白内障的筛查               [23] 。这类     矩阵参数的计算时间。在本文的研究基础上，有望
             组织定征参数基于超声 RF 背向散射信号，描述其                          可以建立更为精准、高效的基于超声 RF 信号的甲
             局部的概率密度函数的特征，具有较强的物理理论                            状腺结节良恶性智能诊断新方法，并推动其在临床
             基础，能够反映生物组织由于各种原因发生的异变，                           领域的实际应用。

             且与灰度共生矩阵相比，其计算量有着明显的降低。
                                                               1 材料和方法
                 因此，本文提出一种基于该类参数的计算机
             智能诊断方法用于甲状腺结节的预筛查，使用滑                                 本研究的数据处理流程如图1 所示。将采集得
             动窗口图像分析方法，对超声原始 RF 信号进行重                          到的超声 RF 信号经过数据筛选、滑动窗口重构、特
             构，形成熵、加权熵、Nakagami-m和峰度的图像。为                      征提取等预处理步骤之后，得到一系列用于神经网
             了进一步提取样本的细节，在特征提取的步骤中，                            络训练的样本，再利用划分出的训练集和验证集训
             使用 16 块 ROI 覆盖结节，以代替传统方法中仅使                       练用于良恶性分类的人工神经网络，用预留的测试
             用一整块区域的做法。本文使用基于误差逆向传                             集测试其分类效果，并统计结果。

                                          ᮕܫေ           ನవѳѬ         ̡ࢺᇸፃᎪፏ

                                          ஝૶ኙᤥ        ᝫጷᬷnjᰎ᝽ᬷ         ᝫጷᎪፏ
                             ᡔܦRFηՂ     ໏үቔ԰᧘౞
                                          ྲढ़ଢԩ           ฾តᬷ          ฾តᎪፏ          ፒᝠፇ౧

                                                   图 1  数据处理的流程图
                                              Fig. 1 Flow chart of data processing
             1.1 数据获取                                          外，由于本文所提出的方法在参数提取的步骤中需

                 从南京军区总院采集数据，用 vinno70 型飞依                     要使用多块 ROI 对结节的局部区域进行提取分析，
             诺彩色多普勒超声系统采集患者的原始 RF 数据并                          过大的结节需要用较大的 ROI来进行覆盖，而过大
             保存其对应的 B超图像。诊断仪设置在组织谐波模                           的 ROI会包含更多的生物组织，难以再视为结节局
             式，即由二次谐波信号成像，扫描探头为 X6-16L 宽                       部的特征，合理性和一致性均有待商榷，基于这样的
             频带探头，探头频率设为 10 MHz。以 50 MHz 采样                    认识，本文去除了直径超过 2.5 cm 的结节。剩余的
             频率采集回声信号，获得原始 RF 数据，每帧数据                          样本数量为155例，其中良性67例，恶性88例。
             包含312条扫描线，每条扫描线包含2856个采样点，                        1.2  滑动窗口重构和使用的参数
             共采集270例样本。                                            使用滑动窗口技术          [20]  提取超声原始 RF 信号
                 为适应文中所提出的方法，对数据按照一定标                          的特征参数。窗口长度设置为单个 RF 脉冲的 1/2，
             准进行筛选，首先，去除由于采集时抖动等客观原                            以 50% 重叠率移动小窗遍历整个 RF 信号矩阵，在
             因而导致图像模糊、无法人工标定结节的样本。此                            每个停留处计算其局部的参数大小。再以线性插值
   52   53   54   55   56   57   58   59   60   61   62