韦璐铧 王嘉鹭 刘蕊
（杭州医学院 杭州 310053）
【摘要】在医疗领域中，随着数学及计算机技术的进步，计算机辅助诊断技术（Computer-aided diagnosis,CAD）在医学影像领域获得了快速发展，其中在乳腺Ｘ线与肺部CT方面的应用最为广泛，但目前国内的计算机辅助诊断技术应用于甲状腺良恶性结节的诊断仍不成熟，本文系统地检索了国内外数据库中有关CAD系统研究在影像诊断甲状腺结节良恶性中应用的相关文献，综合整理了计算机辅助诊断系统在甲状腺良恶性结节诊断的运用。
【关键词】甲状腺结节 计算机辅助诊断 人工智能 CT检查技术 超声检查技术
Research status of computer-aided diagnosis in the diagnosis of benign and malignant nodules of thyroid
Luhua Wei 、Jialu Wang ，Rui liu
（Hangzhou Medical College, Hangzhou, 310053, China）
【Abstract]】In the medical field, with the progress of mathematics and Computer technology, Computer-Aided Diagnosis (Computer-Aided Diagnosis, CAD) obtained the rapid development in the field of medical imaging, including in breast X-ray and CT of pulmonary aspects of the most widely used, but the current domestic computer aided diagnosis technique is applied to the diagnosis of benign and malignant thyroid nodules is still not mature, this article systematically retrieve the database related CAD system research at home and abroad in the applications of imaging diagnosis of benign and malignant thyroid nodule related literature, integrated computer aided diagnosis system has been compiled in the use of benign and malignant thyroid nodules diagnosis.
【Key words】 Thyroid nodule Computer-aided Diagnosis Artificial intelligence CT US
中国流行病学调查研究[1]显示：在一般人群中有3% -7%存在可触及的甲状腺结节，且发病率呈逐渐升高的趋势[2]。在中国以每年20%的速度增长，据中国肿瘤登记中心的数据显示，我国城市地区女性甲状腺癌发病率位居女性所有恶性肿瘤的第四位[3]，男性恶性肿瘤中发病率排名第十五[4]。临床上，甲状腺结节分为良性和恶性两大类，大多为良性，恶性占5% -15%，也就是甲状腺癌，起病隐匿，早期常无明显特异性症状，一般在体检中发现患处单发结节。临床治疗中，早期甲状腺癌治愈的概率极大，因此必须及时准确地区分甲状腺良性和恶性结节，以便早期治疗。
一、计算机辅助诊断系统
1.1CAD发展
计算机辅助诊断(computer aided diagnosis,CAD)是指通过影像学、医学图像处理技术及其他可能的生理、生化手段，结合计算机的分析计算，辅助发现病灶，提高诊断的准确率的技术。1966年，“计算机辅助诊断（computer aided diagnosis，CAD）”的概念被首次提出。20世纪80年代至今，计算机辅助诊断在医疗领域取得了较快的发展。实践证明，计算机辅助诊断在提高诊断准确率、减少漏诊、提高工作效率等方面起到了极大的积极促进作用。
1.2原理
在进行计算机辅助诊断前，需要对病人的影像学资料进行采集。要求对此技术所应用的感兴趣区进行有效的识别和采集，具有较高的敏感性。应用计算机辅助诊技术对病人进行医学影像诊断前，需要对获得的数据进行预处理来弥补不同类型或来源的数据的差异。在系统中设置相应的参数，从而降低图像的噪声、矫正图像灰度的不均匀性等，使最终的诊断误差降低。提高诊断精确性的另一方面是对图像的分割。将获得的影像分割成不同的解剖区域，然后对不同区域中的特定目标按病灶的特征进行识别和提取。[5]对于已经完成预处理和分割的采集数据，计算机辅助诊断系统就会对其图像特征进行研究和分析。较常应用的图像特征主要为信号强弱程度的相关统计量、边缘特征和纹理特征，这些图像特征都可以用来反馈数据的信号强弱等信息。图像特征的提取旨在运用计算机辅助诊断技术来提高病灶的检出率和检出的敏感性。
1.3纹理分析
纹理的统计分析法是指在不知道纹理基元或者还未检测出基元的情况下对小区域的纹理特征进行统计分布的纹理分析。通过描述纹理基元或局部模式的随机和空间的统计特来描述区域的一致性及区域间的相异性。基于纹理模型的方法，通过建立图像模型的方法来描述纹理，常见的有M~kov随机场、分形维和二维自回归模型。[7]灰度共生矩阵是一种考虑像素之间的空间关系的一种检测纹理特征的统计方法。
基于灰度共生矩阵的纹理分析是其他纹理分析的基础，为大多数新技术奠定了基础。
二、计算机辅助诊断临床应用
3.1超声应用
超声检查具备简便、无创和价廉的优势，高分辨率超声就可检出甲状腺内直径大于2 mm 的微小结节，能够清晰地显示结节的形态、边界、性质等信息。美国甲状腺协会2015年的诊断指南[8]指出超声检查是评估甲状腺良恶性结节的首选影像学方法，但对于超声特征的评估存在主观性和操作者不同引起的差异。
最新研发的安克侦（AmCAD-UT Detection）基于甲状腺图像评估结节大小、位置、形状等，依据美国放射学会甲状腺影像报告和数据系统 (ACR-TIRADS)指南对甲状腺结节进行分类。有实验收集171例甲状腺结节患者，由年资不同具备甲状腺结节诊断经验的医师独立分析图像评估与利用安克侦分析报告分析结节进行对比，发现采用安克桢辅助后临床医师诊断准确率有所提高，与具备5年诊断经验的医师相似。对低年资，经验不足的诊断医师对甲状腺结节良恶性的诊断效能有较大提高[10]，可以减少不必要的穿刺活检，降低病人负担。
甲状腺CAD系统也存在一些缺陷，如单纯CAD系统诊断特异性较低，同时CAD系统它要繁琐的图像预处理，即需要人工标记、分割甲状腺结节位置，且计算方式复杂、分析时间长，不能在常规超声设备上实时应用，不够简便及时。
3.2 CT应用
计算机辅助诊断系统多用于肺结节CT检查，计算机辅助诊断系统联合CT检查的肺结节检出率达到了97.00％，高于CT诊断的86.00％[11]，有效的提高肺结节检出率，缩短平均检出时间。近几年来，我国甲状腺肿瘤发病率上升，且年龄逐渐年轻化，作为甲状腺结节常用影像学方法，CT诊断检出率有欠缺，耗时较长，临床上逐渐将CAD应用于CT对甲状腺结节良恶性诊断，通过客观分析结节形态纹理等特征参数，结合相应标准达到提高检出率，缩短耗时的目的[12]。
基于CT图像甲状腺结节良恶性计算机辅助诊断技术采用灰度直方图特征、GLCM和GLGCM提取CT图像的纹理特征，构建模型。研究表明经校验甲状腺结节的良恶性鉴别准确率可达89.4％。将甲状腺结节良恶性CAD系统与影像科医师的CT图像诊断结果进行对照，分析对比恶性结节的敏感度、诊断准确率、特异性各项指标，结果显示甲状腺CAD系统的表现优于影像医师[13]。
二、结语
近年来，随着计算机技术和算法的不断发展完善，与此同时，计算机辅助诊断技术不断优化和提升，为临床诊断和治疗提供了新的思路。甲状腺计算机辅助系统通过运用人工智能技术深度识别和学习大量甲状腺结节图像，提取并量化分析甲状腺结节的图像特征，依据不同的国际指南或共识做出相应的诊断，具有客观、准确及全面的优点。但是甲状腺计算机辅助系统作为一种新兴的技术，仍处于临床初步应用阶段，无法动态扫查分析、无法结合患者的体征、临床表现分析，也无法分析结节的血流和硬度等因素。[14]因此，临床实际应用中应该作为一种辅助技术，与影像医生相辅相成，更好地发挥甲状腺CAD系统的作用。
参考文献：
【1】中华医学会内分泌学分会.甲状腺结节和分化型甲状腺癌诊治指南[J].中国肿瘤临床, 2012, 39(27): 1249-1272.
【2】Ferraz C, Eszlinger M, Paschke R. Current state and future perspective of molecular diagnosis of fine-needle aspiration biopsy of thyroid nodules[J]. J Clin Endocrinol Metab,2011,96(7):2016-2026
【3】中华人民共和国国家卫生健康委员会.甲状腺癌诊疗规范(2018年版)[J].中华普通外科学文献(电子版), 2019, 13(1): 1-15.
【4】PENG W,LIU C,XIA S,et la.Thyroid nodule recognition in computed tomography using first order statistic[J].Biomed Eng Online,2017,16(1):67.
【5】贺晓建，王福明.基于灰度共生矩阵的文理分析方法研究[A].山西电子技术.2010.89-93
【6】Haugen BR, Alexander EK, Bible KC, et al. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer [J]. Thyroid, 2016, 26(1): 1-133.
【7】许敏，韩峰等.计算机辅助诊断系统鉴别甲状腺结节良恶性的诊断效能及其影响因素.中华医学超声杂志（电子版）.2019，16（4）.252-256
【8】Esteva A,Kuprel B,Novoa RA,et al.Dermatologist-level classification of skin cancer with deep neural networks[J].Nature,2017,542:115-118.
[作者简介]
韦璐铧（1999.03-），女，汉，金华东阳人，杭州医学院医学影像学院，2017级医学影像技术专业，本科。
王嘉鹭（1998.06-），女，汉，浙江海宁人，杭州医学院医学影像学院，2017级医学影像技术专业，本科。
[通讯作者] 刘蕊（1980.12-），女，汉，山东临沂人，本科，杭州医学院医学影像学院，讲师，主要研究方向为医学图像处理技术。