摘   要： 提出了一种基于B超图像的甲状腺结节特征提取与量化方法，并由此来鉴别甲状腺结节的良恶性。首先通过对甲状腺B超图像的分析，对临床鉴别甲状腺结节良恶性的特征进行量化，提取了不规则度、紧致度和锐度等共9个特征；然后根据类间距对各个特征的分类能力进行评价，选出类间距最大的特征(不规则度、衰减系数、纵横比、紧致度和钙化度)作为特征向量；最后，采用支持向量机（SVM）对甲状腺结节进行分类识别。研究结果表明，该方法的诊断精确度为91.25%，说明此识别方法对甲状腺结节超声图像具有较高的分类准确性，有望为甲状腺的临床诊断提供有价值的参考。
关键词：医学超声图像；特征提取；特征量化；支持向量机

    甲状腺结节在临床中十分常见，通过高分辨超声发现，人群甲状腺结节的患病率为19%~67%，其中，甲状腺癌占5%~15%[1]。由于甲状腺结节的发病原因未知，只有尽早地发现、确诊，才能提高甲状腺癌的治愈率。B超具有无创、动态和廉价等特点，已成为甲状腺结节术前检查的首选方法[2]。当前，医学图像的临床分析主要通过医生对图像的定性判别来完成。使用的特征和诊断标准不同，缺乏图像特征的定量度量以及视觉感知上的差异,导致不同医生对于同一病例的诊断结果存在差异。
    超声图像的分类已被广泛应用于肝脏、乳腺等处的不同疾病的计算机辅助诊断中。但由于甲状腺癌生物学特性多变，多源性多种性质结节并存，从临床表现和影像学特征上与良性病变常难以区别，使得普通超声成像在甲状腺疾病的诊断上价值有限，因此,目前针对超声图像的甲状腺结节良恶性识别的研究也相对较少。此外，现在的多数图像识别方法都是以神经网络作为分类器对图像进行分类，而且针对病灶特征的提取不全面，导致分类结果不甚理想。支持向量机(SVM)是统计学习理论最年轻、最实用的内容，现已成为继神经网络之后新的研究热点。本文将临床鉴别甲状腺结节良恶性的依据进行分类、量化，并选择出类间距最大的5个向量作为支持向量机的输入向量组合,对样本进行识别分类。
1 甲状腺结节超声图像的特征提取
    在临床应用中，医生一般根据表1列出的特征来判别甲状腺结节的恶性和良性[3]。由表1可知，恶性结节图像和良性结节图像在形状、边界、回声和钙化等特征上都存在不同，结节的良、恶性可以依据这些特征的差异区别开。

 
       RB在一定程度上与成像仪器和设置参数有关。
1.2.6 钙化特征
    在高频超声图像上，钙化可分为微钙化(≤1 100 u的针尖样强光点)、粗钙化(>1 100 u的强光团)和弧形钙化(肿块表面弧形或环形强光带后伴声影)3种类型。经临床证实，恶性组中钙化检出率明显高于良性，而且大部分为微钙化。针对此种特性，采用钙化度(Calcification)进行量化。
     设钙化≤1 100 u的强光点内像素个数为v1,微钙化点的个数为n，结节内像素点总数为v，钙化度定义为：
    
    类间距D越大，则表示该特征对于分类识别的能力越强。由表2可以观察到有5个特征的类间距大于1，分别是不规则度、衰减系数、纵横比、紧致度和钙化度，说明这5个特征对于甲状腺结节的良恶性识别能力较强。其中,不规则度特征的类间距为1.954 7，表明结节不规则度是区分结节的良恶性最有效特征。本文提取不规则度、衰减系数、纵横比、紧致度和钙化度作为特征向量组合，对样本进行识别。
2 支持向量机原理
      SVM是基于统计学习理论发展而来的一种新的机器学习方法[4]。其基本思想是：通过分析相关性找到空间映射函数，将输入向量映射到高维特征空间，在映射后的空间中寻找一个最优的分界面(超平面)。在寻找最优分界面时，依据结构风险最小化原则，得到的最优分界面不但能将两类无错误地分开,而且使两类分类间隔(Margin)最大，并巧妙地利用原空间的核函数代替高维特征空间中的点积，避免了复杂计算。
   
    K(xi,xj)被称为核函数，SVM的基本核函数主要有线性核函数、多项式核函数、径向基函数和Sigmoid函数：

    经过验证，C=100，δ=0.5时,诊断系统处于最佳状态。
    甲状腺结节良恶性的诊断需要综合运用临床、影像和病理学等知识和技术手段，早发现、早治疗仍然是现阶段有效提高恶性结节治愈率的主要措施。本文将各类特征进行精确量化，选取紧致度、不规则度、纵横比、衰减系数和钙化度作为特征向量组，采用径向基函数作为支持向量机的核函数进行分类。该识别方法对甲状腺结节超声图像具有较高的分类准确性,准确率达到91.25%，有望提高甲状腺癌超声早期诊断的准确性。
参考文献
[1] POLYZES S A，KITA M，AVRAMIDIS A． Thyroid nodules-stepwise diagnosis and management[J]．HORMONES,2007，6(2)：101-119．
[2] 罗斌钰，赵咏桔．超声检查在甲状腺结节术前鉴别诊断中的作用——一项2890患者、4 165结节的超声-
病理分析[J]．中华内分泌代谢杂志，2010，26(4)：282-284．
[3] 吕珂，姜玉新,张缙熙，等．甲状腺结节的超声诊断研究[J]．中华超声影像学杂志，2003，12(5)：285-288．
[4] 张学工．关于统计学习理论与支持向量机[J].自动化学报，2000，26(1)：32-41．