基于超声图像的甲状腺疾病智能诊断

《基于超声图像的甲状腺疾病智能诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于超声图像的甲状腺疾病智能诊断INTELLIGENTDIAGNOSISOFTHYROIDDISEASESBASEDONULTRASOUNDIMAGES张雅奎哈尔滨工业大学2018年6月国内图书分类号：TP391.4学校代码：10213国际图书分类号：681.5.004密级：公开工程硕士学位论文基于超声图像的甲状腺疾病智能诊断硕士研究生：张雅奎导师：金晶副教授申请学位：工程硕士学科、专业：控制工程所在单位：航天学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex：T

2、P391.4U.D.C.:681.5.004DissertationfortheMasterDegreeinEngineeringINTELLIGENTDIAGNOSISOFTHYROIDDISEASESBASEDONULTRASOUNDIMAGESCandidate:ZhangYakuiSupervisor:AssociateProf.JinJingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ControlEngineeringAffiliati

3、on:SchoolofAstronauticsDateofDefence:June,2018Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要甲状腺疾病分为弥漫性疾病和结节性疾病两种，对人体有很大危害。超声检查是常用的甲状腺疾病诊断手段，诊断过程中医生需要通过观察超声图像的特点，结合专业知识和临床经验，给出患者的患病情况。然而，不同医生有不同的临床经验和专业背景，诊断结果缺乏客观性和一致性。所以临床上需要一种基于超

4、声图像的甲状腺疾病智能诊断技术，可以通过提取图像的纹理、形状等信息对甲状腺疾病给出客观可靠的诊断意见，辅助医生进行临床诊断。本文针对不同甲状腺疾病的超声图像特点进行研究，实现了甲状腺疾病诊断系统，具体包括以下几个方面：首先，实现了甲状腺疾病图像的感兴趣区域提取、预处理和特征提取。对于弥漫性疾病，提出了多级小波多子图共生矩阵、条索特征、基于GLRL的最长高亮游程等特征。针对甲状腺结节性疾病，提取了结节纵横比、紧致度等形状特征和结节边界环形区域灰度标准差等纹理特征。其次，针对甲状腺弥漫性疾病提出二重级联的分类方式，

5、利用mRMR方法进行特征选择，结合SVM分类器对正常、Graves病和桥本病的分类准确率分别达到了88.33%、86.67%、93.33%，基于多项对比实验验证了本文方法的可靠性。随后，针对甲状腺结节性疾病，通过训练VGGNet实现了85.59%和88.20%的良性和恶性结节分类准确率。基于U-Net网络实现结节图像分割，并在此基础上人工提取特征，实现神经网络特征与人工特征的融合，将良恶性结节图像的分类准确率分别提高到90.83%和91.57%，表明人工特征的有效性。最后，基于对甲状腺疾病的研究设计了甲状腺疾病

6、智能诊断系统，实现了人机交互界面，方便医生进行甲状腺疾病的临床诊断。关键词：甲状腺疾病；超声图像；多级小波多子图共生矩阵；条索特征；特征融合；甲状腺疾病智能诊断系统-I-哈尔滨工业大学工程硕士学位论文AbstractThyroiddiseasesincludediffusethyroiddiseaseandnodularthyroiddiseases,bothofthemareharmful.Ultrasoundexaminationisacommonlyusedmethodfordiagnosisofthyr

7、oiddiseases.Doctorsprovideadiagnosticresultbasedontheirknowledgeandexperiencebyobservingthecharacteristicsofultrasoundimages.However,differentdoctorspossessdifferentexperiencesandbackgrounds,thediagnosticresultsarenotobjectiveandconsistency.Thus,anintelligen

8、tdiagnostictechnique,whichcanprovidereliablediagnosticopinionsofthyroiddiseasesbasedonultrasoundimages,isneededtoassistdoctorsinclinicaldiagnosis.Thispaperimplementathyroiddiseasediagnosissystem