摘要
甲状腺和乳腺病变是影响女性身心健康的两类常见疾病。为了深入挖掘两类病变在超声图像上的个性差异和共性特征,提出一种通用的计算方法识别甲状腺和乳腺病变。先利用小波包变换将超声图像分解为4个子图;再借助灰度共生矩阵提取不含高频噪声的3个子图的纹理特征;最后利用最大相关最小冗余算法筛选特征,输入4种机器学习模型,完成甲状腺、乳腺结节良恶二分类和四分类。将方法应用于来自不同平台的甲状腺和乳腺超声图像,随机排列交叉验证二分类AUC达到0.88~0.99,准确率ACC达到0.84~0.98,均优于已有研究结果;四分类AUC达到0.95~0.97,ACC达到0.88~0.92,优于深度残差网络Res Net50。基于甲状腺(乳腺)图像训练的四种模型在交叉识别乳腺(甲状腺)良恶结节方面也取得了理想的分类结果,进一步验证了所提方法的稳定性和通用性。同时,T检验结果显示:甲状腺和乳腺恶性结节超声图像的近似子图存在非常显著的纹理差异,垂直细节子图展示出6个潜在的共性特征。
- 单位