超声射频信号的甲状腺结节智能诊断方法

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.

关键词：超声射频信号、甲状腺结节、组织定征、人工神经网络

所属期刊栏目：40

分类号：O426.9(声学)

资助基金：江苏省重点研发计划项目;湖南省战略性新兴产业科技攻关与重大成果转化项目;国家自然科学基金项目

在线出版日期：2021-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：51-59