面向甲状腺结节癌变风险评估的计算机辅助诊断关键技术研究

The mortality and incidence of thyroid cancer has been increasing every year and has been the primary public health problem in China. Due to the diversity, the complexity of pathological and the low quality of ultrasound image, improving the accuracy of diagnosis of thyroid cancer is a great challenge. This research will focus on the research of key technique for image data of thyroid nodule, establishment of the database of thyroid nodule images, benign and malignant diagnosis of thyroid noduel and assessment of the therapy. To solve the problem of the complexity of noise type, loss of image details, we will apply the image restoration unifying de-noising and super-resolution to normalize the images from different sources and establish standard image database. We improve the current convolutional neural network, get the high-level features of the images and establish the classification model of thyroid nodule images based on both high-level and low-level features. We design the computer-assisted diagnosis system for thyroid cancer to validate our theoretical research. This project can establish a standard and complete thyroid nodule image database and provide the scientific decision for thyroid cancer diagnosis and therapy, and bring academic value and research significance.

甲状腺癌的发病率和致死率在逐年提高，在我国已成为主要的公共健康问题。由于甲状腺疾病种类的多样性、病理变化的复杂性以及医学影像本身的图像质量问题，有效提高计算机辅助诊断系统对于甲状腺结节的定性诊断的准确率是对现有知识结构和技术水平的巨大挑战。本课题将以甲状腺结节的图像数据为研究对象，开展甲状腺结节标准图像数据库建立、结节/肿块良恶性诊断以及病情分级评估等任务的关键技术研究。针对噪声类别复杂、细节丢失等癌症图像数据的现有问题，采用去噪与超分辨率统一的图像复原等技术，实现多来源图像数据统一表示并构建标准的癌症图像数据库。改善当前的深度卷积神经网络并获取图像的高层次特征，结合图像的低层次特征构建甲状腺结节图像多类别分类模型。在此基础上构建甲状腺癌计算机辅助诊断系统以验证理论研究的正确性。项目研究建立标准完善的甲状腺结节图像数据库并为甲状腺癌的诊断和治疗提供科学的决策，具有一定的学术价值与研究意义。

甲状腺癌的发病率和致死率在逐年提高，在我国已成为主要的公共健康问题。由于甲状腺疾病种类的多样性、病理变化的复杂性以及医学影像本身的图像质量问题，有效提高计算机辅助诊断系统对于甲状腺结节的定性诊断的准确率是对现有知识结构和技术水平的巨大挑战。本课题以甲状腺结节的图像数据为研究对象，开展甲状腺结节标准图像数据库建立、结节/肿块良恶性诊断以及病情分级评估等任务的关键技术研究。针对噪声类别复杂、细节丢失等医学图像数据的现有问题，采用去噪与超分辨率统一的图像复原等技术，实现多来源图像数据统一表示并构建标准的癌症图像数据库。改善当前的深度卷积神经网络并获取图像的高层次特征，结合图像的低层次特征构建甲状腺结节图像分割模型。采用基于注意力机制的医学影像特征融合方法，实现甲状腺结节多级诊断分类模型。在此基础上构建甲状腺癌计算机辅助诊断系统以验证理论研究的正确性。项目共发表18篇学术论文，被SCI检索的论文12篇，被EI检索的论文6篇。在博士硕士研究生培养方面，博士已毕业2名，硕士已毕业4名。在项目研究期间，项目组成员获得辽宁省自然科学基金2项，中央高校基本科研业务费项目4项，中国博士后科学基金面上项目1项。项目研究建立标准完善的甲状腺结节图像数据库并为甲状腺癌的诊断和治疗提供科学的决策，具有一定的学术价值与研究意义。