摘要
在我国，甲状腺疾病发病率高，但远没有引起足够的重视。单光子发射计算机断层成像术（Single-PhotonEmissionComputedTomography,SPECT）通过放射性同位素药物反映出人体组织活性强度的差异，是功能性成像技术，可以在人体组织结构发生异常前发现疾病，因而在实际的临床诊断中存在其独特的优势。近些年来，深度学习的发展极大地促进计算机辅助诊断的发展，将深度学习应用于甲状腺SPECT图像，实现对甲状腺疾病的诊断，可以降低医生工作强度，提高工作效率，还能优化诊疗流程，节省时间和降低成本，同时也能学习优秀专业医生的诊疗经验，提升诊断准确率，有利于解决医疗资源有限和公平的难题。 本文研究基于深度学习的SPECT影像甲状腺结节辅助诊断，主要包括模型设计、模型可解释性方法以及软件开发，具体内容如下： 首先，设计基于卷积神经网络的辅助诊断模型。从医院采集的数据经过清洗，保证一致性，针对数据集少和数据分布不平衡的特点，选择合适的增广方法。采用改进SqueezeNet，在SqueezeNet基础上引入通道注意力机制，实现对通道特征重要性筛选，将ReLU激活函数替换为Mish激活函数，保证信息流动，同时也使得梯度下降效果更好。实验表明，通过改进模型实现对甲状腺三类疾病的识别效果优于其他主流网络。 其次，设计卷积神经网络特征与手工特征的融合模型。将卷积神经网络提取的深度特征与手工提取的低层特征及中间特征融合，能丰富特征信息。手工特征选择纹理特征和形态学特征，纹理特征采用基于灰度共生矩阵的五个描述符，形态学特征选择七个Hu矩。将手工特征与深度特征拼接起来得到的融合特征，送入分类器中。实验结果表明，特征融合模型对甲状腺凉、其他结节（冷结节和热结节作为一类，即其他结节）的分类具有更好的识别效果。甲状腺冷、热结节的二分类采用主流网络分类即可达到较好的结果。 再次，模型可解释性方法。采用梯度加权类激活映射方法，对甲状腺三类疾病分类模型进行解释，实验结果表明，模型对甲状腺各类疾病的哪些部分更为关注。采用有意义的扰动方法，对甲状腺冷、热结节二分类模型进行解释，通过实验结果，可以看出冷、热结节的哪些像素影响模型的分类结果。 最后，开发辅助诊断软件。医学影像文件是通过DICOM协议进行传输的，通过Pynetdicom实现服务端（SCP）与客户端（SCU）的搭建，搭建好SCP和SCU后，把SCP的文件传输到SCU中。采用QT设计软件界面，实现软件基本功能，主要功能为：甲状腺GRAVES病、甲状腺炎、甲状腺结节的三分类及可解释性方法的可视化结果，甲状腺冷、热结节的二分类及可解释性方法的可视化结果，甲状腺凉结节、其他结节的二分类。
NETL