高级语义特征及统计特征协同预测侵袭性PTMC方法学研究

Papillary thyroid microcarcinoma (PTMCs) is a group of malignant cancers with a quite high incidence. Most of them coexist with benign nodules, so the differential diagnosis was difficult. Due to lack of reliable aggressive predictors, clinical diagnosis and treatments of these PTMCs were caught in a dilemma. Our previous studies reviewed several slight differences between invasive PTMCs and micro-benign nodules, especially in the margin and echo side. So, this program was designed to develop a computer-aided diagnosis system to help the doctors to detect invasive PTMCs basing on the advanced semantic and statistical features. Nobel PTMCs and micro-benign nodules were used as the control group. Pathological results were employed as final results and were used to train and test the algorithms.

乳头状甲状腺微小癌（Papillary thyroid microcarcinoma, PTMC）发病率高，且多与良性结节并存，鉴别诊断困难，误诊率高，且由于缺乏可靠的侵袭性预测指标，临床诊疗存在很多困扰。我们前期研究表明，侵袭性PTMC与良性微小甲状腺结节的超声图像间存在细微差异，主要表现在边缘毛刺均一度和内部回声两方面。因此，本课题拟以惰性PTMC和良性微小甲状腺结节为对照，针对PTMC边缘毛刺和内部回声分布特点，对病理先验特征与视觉可分特征进行拟合，并采用分类方法进行高级语义特征映射，建立高级语义特征与局部统计特征协同识别模型，进而开发一套针对甲状腺微小结节的CAD系统，辅助超声医师诊断PTMC，为超声医师准确鉴别侵袭性PTMC，降低误诊率和手术率奠定基础。

甲状腺乳头状癌（Papillary thyroid cancer, PTC）是最常见的甲状腺恶性肿瘤，发病率逐年升高，但死亡率维持在一个较低水平，主要是因为大部分PTC临床表现为惰性。但也有部分PTC较早的发生淋巴结转移、远隔转移以及复发，甚至死亡。因此，从大量惰性的甲状腺癌病例中筛选出侵袭性PTC患者，对临床选择合适的治疗方案非常重要。.本课题针对最难与PTC区分的“干枯结节”以及PTC的不同侵袭特征两个问题，采用计算机辅助诊断的方法，从医工结合的角度，提取结节的多层次特征，并将计算特征向高级语义特征进行映射，结合统计特征和局部特征，寻找快速、敏感鉴别PTMC病灶及其侵袭性的特征集。.目前本课题已经完成了拟定目标。我们在研究中证实，“长毛刺”征象、“壁结构”是鉴别“干枯结节”与微小PTC的重要指标。低龄、微钙化、与甲状腺被膜的接触程度、病灶最大径以及多灶，是侵袭性PTC的重要相关因素。对于微钙化，我们发现，不同的分布类型对患者的预后以及病情的判断具有重要的意义。微钙化不仅存在于可疑癌结节内，也可能出现在甲状腺腺体内，且当腺体内存在微钙化时，应该高度警惕侵袭性甲状腺癌的可能性。基于此，我们提出了基于微钙化分布类型的三种分类方法，我们认为II型和III型微钙化是高侵袭性甲状腺癌的高危因素。.基于上述临床特征，我们对医生勾勒区域的局部纹理特征提取了灰度共生矩阵、灰度直方图、局部二进制模式及其变种LBPV。我们发现LBPV保留了LBP算子所有优点，并且具有表达图像纹理的灰度级对比度信息，因此具有更强的细节提取能力。在对特征提取分析的基础上，建立了PTMC的分类模型，取得了ROC曲线下面积0.925的分类结果。