摘要
本文主要从以下几方面展开论述： 第一部分:基于二维超声声像图的灰度直方图分析在甲状腺髓样癌和甲状腺滤泡性腺瘤鉴别诊断中的价值 目的： 探讨基于二维超声声像图的灰度直方图分析在甲状腺髓样癌(MTC)和甲状腺腺瘤(FTA)鉴别诊断中的可行性和价值。 方法： 收集2015年1月至2021年10月中国医学科学院肿瘤医院收治的86例初诊的MTC患者和100例FTA患者的术前超声图像。由两名具有5年以上甲状腺疾病超声诊断经验的超声医师逐一对病灶边界进行手动勾画，并基于超声医师手动勾画的病灶感兴趣区(ROI)进行灰度直方图分析计算得到:平均值、方差、偏度、峰度、P1、P10、P50、P90和P99。对MTC组和FTA组之间灰度直方图参数进行比较并用多因素logistic回归分析筛选独立预测因素。用ROC曲线对比筛选出的独立预测因素在MTC与FTA鉴别诊断上的单独诊断效能和联合诊断效能。 结果： 多因素logistic回归分析显示两组之间的平均值、偏度、峰度、P50是鉴别MTC与FTA的独立预测因素。其中，MTC组的偏度和峰度明显高于FTA组，而平均值和P50明显低于FTA组。平均值、偏度、峰度、P50在MTC与FTA鉴别诊断上的单独诊断ROC曲线下面积为0.654～0.778,联合诊断ROC曲线下面积为0.826。 结论： 基于二维声像图的灰度直方图分析对MTC和FTA的鉴别诊断有一定的应用价值,其中平均值、偏度、峰度、P50的联合诊断价值最高。 第二部分:基于灰阶超声的深度学习技术在甲状腺髓样癌与甲状腺滤泡性腺瘤鉴别诊断中的价值分析 目的： 探讨基于灰阶超声的深度学习技术在鉴别超声表现典型和不典型甲状腺髓样癌(MTC)与甲状腺滤泡性腺瘤(FTA)中的可行性和价值。 方法： 回顾性收集2015年1月至2022年7月中国医学科学院肿瘤医院收治的354例MTC(其中66％声像图表现为高度可疑恶性，即超声表现典型的MTC;34％声像图表现为中度及以下可疑恶性，即超声表现不典型的MTC)和416例FTA的术前超声图像。每一个病灶的横切和纵切声像图均由同一名高年资超声医师进行手动勾画。所有图像按9∶1的比例分为训练集和测试集。用训练集(n=690)对两个深度神经网络ResNet-34和ResNet-18进行学习训练。用ROC曲线对在独立测试集(n=80)上两个深度学习模型与两名超声医师的诊断效能进行对比分析。对测试集上两个深度学习模型和两名超声医师的误诊病例进行分析。记录两个深度学习网络模型的计算时间，对比不同数据源在同一深度学习模型中诊断准确率的差异。 结果： ResNet-34模型的ROC曲线下面积为0.992(95％CI:0.840～0.970),高于高级超声医师的0.838(95％CI:0.739-0.911)和初级超声医师的0.754(95％CI:0.645～0.843)。ResNet-34可以将测试集中16例不典型的MTC中的12例诊断正确，其诊断准确率明显高于高级和初级超声医师。ResNet-34模型计算一个ROI需1.09秒,ResNet-18模型仅需0.69秒。测试集中ResNet-34对来自GE超声诊断仪图像的诊断准确率为93.5％,Philips超声诊断仪图像的诊断准确率为72.2％。 结论： 基于灰阶超声的深度学习技术可以作为鉴别MTC和FTA的一种有效的辅助诊断工具，特别是对于超声表现不典型的MTC。此外，深度学习模型的计算时间较短,这也使得未来将深度学习模型融入实时超声诊断中成为可能。
NETL