摘要
甲状腺癌非常容易出现病变细胞侵犯到周围颈部淋巴结的情况。如果甲状腺周围的淋巴结受到转移情况的影响而发生了病变，就需要考虑是否进行区域淋巴结治疗性清扫。利用超声造影是一种研究手段，因为其可以反映区域内的血流灌注的情况。通常医生要从影像数据中提取出重要参数以进行病情诊断，而提取什么参数和对这些数值怎么分析都是麻烦事。因此，花时间研究与发展针对颈部淋巴结良恶性判断的计算机辅助技术仍是非常必要的。 通常研究超声造影会利用时间强度曲线来描述血管中造影剂浓度随时间的变化。时间强度曲线可以分为基于区域的和基于像素的两种。当前超声造影技术及国内外超声厂商对时间强度曲线的研究不足在于，没有一套严格的准则来对时间强度曲线进行筛选。另外也没有学者提取曲线参数（如达峰时间）形成二维矩阵后会进一步分析以探究流向信息。因此本文研究病情判别时将利用基于像素的时间强度曲线，利用“粗-细”筛选方式对曲线进行筛选，对提取的参数二维矩阵进行可视化研究与更进一步的流向研究，最后提取出相应特征训练出分类器来尝试分类。 具体贡献如下： （1）进行运动补偿时，针对探头固定情况中的异常帧情况，而提出了利用核相关滤波和卡尔曼滤波结合的目标跟踪方式。该算法依据峰值旁瓣比和相邻帧目标位移两个检测准则，检测出异常帧并去除，以减少实验误差。 （2）研究基于像素的时间强度曲线时，提出采用了“粗-细”双筛选方式进行曲线的筛选。另外，证实超声界常使用的Gamma公式模型、Lognormal公式模型进行曲线拟合时在峰值处附近存在明显的拟合误差。本文提出了Gauss混合模型，即上述简单公式模型与Gauss公式混合，极大程度地降低了峰值周围的拟合误差。 （3）本文提出一种基于达峰时间的二维参数矩阵而利用流线思想生成类似血管的流线图的方法。在这个过程中依据的临床特性是,血流会从达峰时间小的地方流向达峰时间大的地方，并且会最可能流向周围的达峰时间最接近但较大的位置。 （4）基于全文提取独特的时域特征与空域特征并进行分类模型的研究。将特征融合为共231维，利用SVM机器学习分类器进行分类研究。 本文利用基于像素的时间强度曲线，来进行灌注特征的提取与研究。提出了一种可生成类似血管的流线图的科学可视化方法，对微血管重构等研究具有一定的启发。利用提取的特征搭建的SVM分类器的结果是准确率0.93、敏感度0.93和特异度0.94，具有良好的良恶性判别能力。
NETL