基于卷積神經(jīng)網(wǎng)絡(luò)的超聲影像甲狀腺結(jié)節(jié)良惡性預(yù)測(cè)研究

王洪杰，張恩東，于霞

威海市婦幼保健院 a. 醫(yī)療設(shè)備科；b. 耳鼻喉頭頸外科；c. 超聲二科，山東 威海 264200

引言

甲狀腺疾病是一種重要的內(nèi)分泌系統(tǒng)疾病，其中甲狀腺結(jié)節(jié)是臨床上最常見的甲狀腺疾病之一。早期，國(guó)內(nèi)外應(yīng)用神經(jīng)網(wǎng)絡(luò)的方法，利用促甲狀腺激素檢測(cè)數(shù)據(jù)和血液檢測(cè)數(shù)據(jù)開展了針對(duì)甲亢、甲減等甲狀腺疾病輔助診斷的研究工作。例如，Ozyilmaz等[1]采用神將網(wǎng)絡(luò)方法進(jìn)行甲狀腺疾病的識(shí)別；Keles等[2]采用基于模糊規(guī)則的專家系統(tǒng)進(jìn)行甲狀腺疾病的識(shí)別；Li等[3]采用極限學(xué)習(xí)機(jī)方法更進(jìn)一步提高了輔助診斷的準(zhǔn)確度。甲狀腺結(jié)節(jié)有良惡性之分，惡性結(jié)節(jié)有原發(fā)性腫瘤以及罕見繼發(fā)性轉(zhuǎn)移癌。近10年來，隨著超聲儀器分辨率及檢查技術(shù)的不斷提高，甲狀腺結(jié)節(jié)的檢出率急劇增加。因惡性結(jié)節(jié)需要及時(shí)治療，所以鑒定甲狀腺結(jié)節(jié)的良惡性非常關(guān)鍵。目前，穿刺和病理檢查是鑒定結(jié)節(jié)良惡性的主要手段，但這兩種方法創(chuàng)傷性大，對(duì)正常甲狀腺組織造成破壞，因此有效地利用超聲圖像來診斷甲狀腺結(jié)節(jié)良惡性代替?zhèn)鹘y(tǒng)的穿刺具有重要現(xiàn)實(shí)意義。有關(guān)學(xué)者也先后研究了甲狀腺結(jié)節(jié)的分類方法，早期的方法以支持向量機(jī)方法為主。Ma等[4]提出了一種基于支持向量機(jī)區(qū)分良性和惡性甲狀腺結(jié)節(jié)的方法；Chang等[5]進(jìn)一步應(yīng)用改進(jìn)的支持向量機(jī)方法對(duì)甲狀腺結(jié)節(jié)圖像進(jìn)行了特征選擇和分類。本文提出一個(gè)基于超聲深度學(xué)習(xí)的甲狀腺結(jié)節(jié)良惡性診斷的方法，該方法能夠利用深度學(xué)習(xí)的優(yōu)勢(shì)，通過逐層特征提取，將樣本在原空間的特征表示變換到一個(gè)新特征空間，從而使分類或診斷更為準(zhǔn)確清晰[6-7]。

1 材料與方法

對(duì)2659例完全匿名的甲狀腺結(jié)節(jié)患者和480例測(cè)試患者進(jìn)行研究，圖像來源于2012～2018年在我院進(jìn)行檢查的患者，其中男性1280例，女性1379例，年齡16～75歲，結(jié)節(jié)尺寸為0.10 cm×0.16 cm×0.06 cm至6.8 cm×5.6 cm×5.9 cm，平均值為3.3 cm×2.1 cm×3.5 cm，中位數(shù)為3.1 cm×3.4 cm×3.6 cm，標(biāo)準(zhǔn)偏差為3.1 cm×3.9 cm×3.6 cm。此外，每個(gè)甲狀腺結(jié)節(jié)或正常甲狀腺都有幾個(gè)縱向切割圖像或橫切圖像?？偣灿?6173張關(guān)于甲狀腺結(jié)節(jié)的圖像，而甲狀腺圖像來自不同的超聲系統(tǒng)（包括Philips IU22，L12-5，GE LOGIQ E9，ML6-15-D）。甲狀腺超聲若是低回聲、血運(yùn)豐富、微鈣化、形態(tài)不規(guī)則、淋巴結(jié)腫大考慮為惡性（圖1a）；形態(tài)規(guī)則，邊緣光滑考慮為良性[8]（圖1b）。所有納入研究的病變均經(jīng)過活檢或手術(shù)病理確診同時(shí)病灶范圍明確，術(shù)后對(duì)甲狀腺結(jié)節(jié)的良惡性進(jìn)行驗(yàn)證[9]。

圖1 甲狀腺結(jié)節(jié)注：a. 惡性；b. 良性。

本文采用基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）的甲狀腺結(jié)節(jié)良性和惡性檢測(cè)方法，這是一種深度學(xué)習(xí)分類模型[10]。甲狀腺結(jié)節(jié)診斷的CNN結(jié)構(gòu)如圖2所示，由標(biāo)準(zhǔn)的堆疊的卷積層、池化層、一個(gè)或多個(gè)完全連接層組成，能夠通過多個(gè)中間層捕獲輸入和輸出之間的高度非線性映射，可訓(xùn)練的卷積濾波器，局部鄰域池操作和歸一化操作在輸入上交替執(zhí)行，并生成從低級(jí)特征到高級(jí)特征的越來越復(fù)雜的特征的層次結(jié)構(gòu)[11-15]。

圖2 甲狀腺結(jié)節(jié)診斷的CNN結(jié)構(gòu)

由于數(shù)據(jù)集中的圖像對(duì)于深度學(xué)習(xí)訓(xùn)練還存在數(shù)據(jù)量不足的問題，本文采用Mixup的圖像擴(kuò)增的方法進(jìn)行數(shù)據(jù)集擴(kuò)大。各隨機(jī)選取良性和惡性圖像的3/4進(jìn)行數(shù)據(jù)增廣，其余圖像作為測(cè)試集。增廣后的良性和惡性圖像各達(dá)到30000張。同時(shí)采用遷移學(xué)習(xí)的方法進(jìn)行網(wǎng)絡(luò)的預(yù)訓(xùn)練，采用ImageNet數(shù)據(jù)集完成。之后，采用增廣的數(shù)據(jù)集進(jìn)行參數(shù)優(yōu)化。學(xué)習(xí)和訓(xùn)練過程如圖3所示。

圖3 基于卷積神經(jīng)網(wǎng)絡(luò)的超聲甲狀腺結(jié)節(jié)分類方法

2 結(jié)果

為了更好地評(píng)價(jià)本文基于卷積神經(jīng)網(wǎng)絡(luò)的方法，和文獻(xiàn)中的極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)方法[3]、支持向量機(jī)方法[5]進(jìn)行了測(cè)試對(duì)比，采用陽性預(yù)期率、陰性預(yù)期率、診斷敏感性和診斷特異性指標(biāo)。這些指標(biāo)的比較，見表1。

表1 深度學(xué)習(xí)與超聲醫(yī)生和其他方法的對(duì)比（%）

診斷的性能由陽性預(yù)期率、陰性預(yù)期率、診斷敏感性、診斷特異性來評(píng)定。陽性預(yù)期率和陰性預(yù)期率代表了甲狀腺結(jié)節(jié)診斷正確的百分比；診斷敏感性代表良性結(jié)節(jié)被正確識(shí)別為良性的百分比；診斷特異性表示惡性結(jié)節(jié)被正確識(shí)別為惡性的百分比[16]。從表1中可見，深度學(xué)習(xí)方法在指標(biāo)比較中相對(duì)超聲醫(yī)師有優(yōu)勢(shì)。其中陽性預(yù)期率高于超聲醫(yī)師高出2.9%，陰性預(yù)期率高2.6%，診斷敏感性高出3.9%，診斷特異性高出3.8%[17]。本研究構(gòu)建的深度學(xué)習(xí)模型用于甲狀腺結(jié)節(jié)的良惡性診斷與超聲醫(yī)師各有優(yōu)勢(shì)，可在超聲診斷甲狀腺檢查中輔助醫(yī)師進(jìn)行實(shí)時(shí)診斷[18]。

3 討論

現(xiàn)階段，超聲甲狀腺結(jié)節(jié)的良惡性的輔助診斷已經(jīng)逐步應(yīng)用于臨床，幫助經(jīng)驗(yàn)不足的醫(yī)生在病變的定性和定量上輔助診斷，降低漏診誤診的概率，提升醫(yī)院的診斷水平[19]。目前還有諸多不完善的地方，一是超聲甲狀腺結(jié)節(jié)圖像是核心資源，但目前缺乏有效的標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)及統(tǒng)一的行業(yè)標(biāo)準(zhǔn)，無法獲得良好的訓(xùn)練效果；二是在臨床使用過程中，雖然能避免人為漏診的發(fā)生，但往往檢出過多的假陽性結(jié)節(jié)[20]。針對(duì)這些問題還要對(duì)算法模型進(jìn)行改進(jìn)，進(jìn)一步提升產(chǎn)品性能。我們不難看出利用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)甲狀腺結(jié)節(jié)進(jìn)行良惡性的診斷，與傳統(tǒng)的機(jī)器學(xué)習(xí)方法不同的是不需要對(duì)圖像進(jìn)行預(yù)處理，也不需要人工設(shè)計(jì)特征與進(jìn)行特征選擇，這是一種數(shù)據(jù)驅(qū)動(dòng)學(xué)習(xí)，具有很吸引人的優(yōu)勢(shì)[21]。總之，目前甲狀腺結(jié)節(jié)良惡性輔助診斷臨床需求迫切，從政策、技術(shù)和數(shù)據(jù)上都有一定的優(yōu)勢(shì)，但存在性能單一、模型不穩(wěn)定的缺點(diǎn)，完全對(duì)接臨床使用有一定的難度，同時(shí)在醫(yī)學(xué)倫理、法律法規(guī)、信息安全等領(lǐng)域的界定與患者隱私的保護(hù)還需要進(jìn)一步明確。本研究對(duì)機(jī)器學(xué)習(xí)技術(shù)在超聲甲狀腺結(jié)節(jié)領(lǐng)域內(nèi)的應(yīng)用進(jìn)行了初步探索，結(jié)果表明深度學(xué)習(xí)方法應(yīng)用于超聲影像的甲狀腺結(jié)節(jié)良惡臨床性輔助診斷是可行的，下一步要落地于醫(yī)療場(chǎng)景，最終實(shí)現(xiàn)真正意義上的突破[22]。