Nodule Contour Extraction and Feature Visualization in Thyroid Ultrasound Imaging
Date Issued
2010
Date
2010
Author(s)
Tsai, Po-Wei
Abstract
在甲狀腺腫瘤良惡性自動化判讀檢測進程上，明確的定義甲狀腺腫瘤位置與範圍，亦即腫瘤輪廓之標定，是不可或缺的。基於腫瘤生物特性、超音波物理特性、操作者之主觀認知、及操作環境不同等原因，腫瘤輪廓辨識仍相當不一致。傳統醫學影像處理常見之腫瘤輪廓擷取方法，則容易因為只考量腫瘤輪廓局部性質而忽略整體特徵，加上常見之腫瘤邊緣成像模糊之特性，無法針對本研究提供有效績效。
利用腫瘤影像之診斷有其侵入性之特點，以及較低的醫療成本，使其普遍成為健檢之第一線預防診斷工具，成像內容也可讓專業醫師更了解所需面對的病例狀況以做為後續診斷之用。腫瘤特徵如鈣化、囊腫、異質化、低迴音性、邊緣模糊等，在臨床研究上一般於超音波影像輸出後由專業醫師提供文字或選項敘述判斷。然而不同專業醫師對於同一影像的特徵敘述也會產生觀察者間變異，相較於腫瘤輪廓，腫瘤本身存在的影像特徵更加難以量化。
本研究以手描輸入之腫瘤輪廓環形區域出發，針對輸入區域內邊緣影像特徵、邊緣與輪廓中心的相對應關係、與輪廓應有性質發展輪廓辨識方法，建構出一腫瘤輪廓自動調整系統。經實驗證明在不同操作者間針對腫瘤輪廓產生的觀察變異下，所提出之方法可有效減少腫瘤輪廓描繪變異。另外，本研究藉由腫瘤特徵成像特性，以影像本身賦予的灰階影像梯度數值進行客觀詮釋，在灰階影像上以色彩獨立標示出腫瘤邊緣模糊、囊腫、鈣化、迴音性與異質化等腫瘤特性，供專業醫師於診療時的診斷輔助與做為病例研究上不同醫師間溝通討論之參考。
Subjects
Nodule Contour Extraction
Snake Algorithm
Nodule Image Feature Visualization
Type
thesis
File(s)![Thumbnail Image]()
Loading...
Name
ntu-99-R96546002-1.pdf
Size
23.53 KB
Format
Adobe PDF
Checksum
(MD5):4571df2246c75e8c8570394766729a4d