海波,甲状腺亢进的诊断使用MLPN网络

Valanarasi安东尼Santiagu Vaz

电子与通信工程系副教授,安马尔赛义德·工程学院Ramanathapuram TamilNadu、印度

文摘

甲状腺疾病是最常见的一种疾病。超过三分之一的人口甚至孩子们发现一生中至少有一个甲状腺结节障碍。甲状腺检测测试通常是由两种方法;侵入性和非侵入性。侵入性方法,如甲状腺功能测试(日前),活检是创伤性方法和非侵入性方法超声和x射线不应使用很多次。日前,集体对血液测试用于检查甲状腺的功能。日前,可能要求如果病人被认为患有甲状腺机能亢进或者甲状腺功能减退。热成像技术,创建和分析图像通过检测物体的热量辐射。活跃的甲状腺是增加血液流动和化学活动的中心,所以它是一个热生产中心,可以检测到热传感。温度可以感觉到使用热感摄像机和热灵敏度0.10摄氏度的温度范围-200 c + 1200 c。 This paper gives a survey of the methods used for the diagnosis of thyroid disorder and classification using MLPN.

关键字

温度记录、热成像、甲状腺、甲状腺功能测试(TFT),异常活跃,MLPN

我的介绍。

甲状腺是一个蝴蝶形状的腺体,位于低的脖子上。甲状腺有两个侧叶,由一座桥连接(地峡)在中间,图1所示。当甲状腺正常大小,棕红色的颜色,丰富的血管。神经重要声音质量也通过甲状腺。一个正常成人甲状腺重量10到20 g和接收血液从双边优越和甲状腺下动脉和小动脉thyroidima。甲状腺分泌两种激素。甲状腺素(T4)约90%的激素的生产,和三碘甲状腺氨酸(T3)产生另外的10%。周组织T4转换为T3, T3来源于T4。甲状腺激素分泌是由hypothalamo-pituitary-thyroid轴通过刺激行动的皇室和TSH。

血清中甲状腺激素运输绑定到载体蛋白(0.03% -0.04% 0.3%的-0.4%的T3和T4是免费的激素)。甲状腺激素结合球蛋白(油管)是主要的载体,占75%的绑定T4和几乎所有的绑定T3。甲状腺素结合pre-albumin和白蛋白负责。大多数甲状腺激素的行为(代谢和发育)通过核受体介导的基因表达调控。甲状腺激素受体存在于大部分的身体组织。比T4 T3是生物学上更活跃。甲状腺激素增加基础代谢率的分解代谢和合成代谢反应刺激代谢碳水化合物,脂肪,蛋白质,通过刺激生热作用。甲状腺激素缺乏症在胚胎发育导致呆小症和侏儒症(先天性水肿)。

有四个主要类型的甲状腺疾病:甲状腺机能亢进(过多的甲状腺激素),甲状腺功能减退(甲状腺激素太少),良性(非癌变)甲状腺疾病和甲状腺癌(恶性)。甲状腺功能减退的迹象和症状包括疲劳、精神fogginess和心不在焉,感觉不合理地冷,便秘,皮肤干燥,液体潴留,特异性的肌肉和关节的疼痛和僵硬,过多或长期月经出血(月经过多),和抑郁。甲状腺机能亢进表明了一系列症状和体征。患有轻度甲状腺机能亢进或那些年龄超过70岁的通常没有症状。常见的甲状腺机能亢进的迹象包括过度的闷热,热不耐受,增加排便,震颤(通常罚款动摇),不安;搅拌、快速心率、体重减轻、疲劳、减少专注和不规则和缺乏月经。两个最重要的甲状腺激素甲状腺素(T4)和triidothyronine (T3),分别占99.9%和0.1%的甲状腺激素。最多的激素生物力量实际上是T3。一旦从甲状腺释放进入血液,大量的T3, T4转化为活性激素影响我们身体细胞的新陈代谢。甲状腺本身是由另一个腺位于大脑,称为垂体。 The pituitary is regulated in part by the thyroid by another gland called the hypothalamus. The hypothalamus releases a hormone called thyrotropin releasing hormone (TRH), which sends a signal to the pituitary to release thyroid stimulating hormone (TSH). In turn, TSH sends a signal to the thyroid to release thyroid hormones. If over activity of any of these three glands occurs, an extreme amount of thyroid hormones can be produced, thereby resulting in hyperthyroidism. Similarly, if under activity of any of these glands occurs, a insufficiency of thyroid hormones can result, causing hypothyroidism. The hormone chain is represented as Hypothalamus – TRH, Pituitary- TSH, Thyroid - T4 and T3.

甲状腺激素水平的测量通常是由医生使用筛选试验。如果TSH异常,甲状腺激素水平的下降可能存在T4、T3。区分不同类型的甲状腺功能减退,可能使用一个特定的测试。Thyroid-releasing激素(皇室)是通过静脉注射到身体。这种激素是由下丘脑分泌的自然和刺激脑下垂体。垂体响应通过释放甲状腺刺激激素(TSH)。甲状腺结节的可能是也可能不是癌症。医学超声可以帮助确定其性质,因为一些良性和恶性结节的特点不同。超声并不总是能够区分良性与恶性结节完全确定。在可疑情况下,组织样本通常是通过显微镜检查活检。 Thyroid scintigraphy, imaging of the thyroid with the aid of radioactive iodine, usually iodine -123, is performed in the nuclear medicine department of a hospital or clinic. Radioiodine collects in the thyroid gland before being excreted in the urine. While in the thyroid the radioactive emissions can be detected by a camera, producing a rough image of the shape (a radiodine scan) and tissue activity (a radioiodine uptake) of the thyroid gland. A normal radioiodine scan shows even uptake and activity throughout the gland. Irregularity can reflect an abnormally shaped or abnormally located gland, or it can indicate that a portion of the gland is overactive or under active, different from the rest.

相比之下,发现甲状腺不够活跃的很大部分(“冷”)可能表明一个地区甲状腺癌等无机能的组织。放射性物质的数量可以算作腺的代谢活动的一项指标。放射碘吸收的正常定量表明大约35%的服用剂量甲状腺24小时后能被探测到。随着活动或活动的腺可能发生与甲状腺功能减退或甲状腺机能亢进通常反映在减少或增加放射碘吸收。不同的模式可能会出现不同的原因不足或甲状腺机能亢进。甲状腺组织可以获得细针活检的愿望或手术. .诊断的准确性取决于获取组织的所有可疑甲状腺异常的区域。

摘要颈部甲状腺彩色热图像和正常的人作为训练和测试图像。可以通过使用热感摄像机捕获图像FLIR-E30。在本文中使用的图像是公开可用。噪音是取消使用中值滤波和加强使用直方图均衡化。然后分段使用改进的大津阈值技术。ROI提取手动wiith M x M的大小可能甲状腺区域。应用灰度共生矩阵建立伽柏过滤器和用于从选定的ROI提取的特性,这些特性应用于MLPN分类器分类海波和恶性甲状腺。本文的其余部分的结构如下。第二部分给出了块提出系统的说明。第三部分给出了实验结果和结论给出了部分IV, V节给出结论

二世。相关的工作

近年来,各种作品完成海波和恶性甲状腺疾病的诊断使用图像处理。这些算法使用各种图像如美国,SPECT图像和平面显像。

尼基塔·辛格et al。[10]提出了使用SVM分类,资讯和贝叶斯也提供很多信息分割和分类方法,对医学图像处理非常重要。他们提供了甲状腺恶性结节的特征和比较研究。结果表明,支持向量机给更好的准确性比资讯和贝叶斯分类器

NasrulHumaimiMahmood和阿克毛[11]提出了一个简单的指南确定甲状腺叶使用MATLAB在甲状腺超声图像。图像进行对比度增强抑制散斑噪声。增强的图像用于进一步的处理由当地提出活动轮廓分割甲状腺区域。甲状腺区域划分为两个部分,这是左、右分别与活动轮廓的方法。甲状腺超声图像的横向视图是用于这项研究。因此,测量只涉及宽度、深度和区域的甲状腺。甲状腺测量的结果是成功地计算像素单元。该方法是提高形象和受益细分甲状腺叶。

AnupamShukla et al。[12], 2009年,提出了诊断甲状腺疾病使用人工神经网络(ANN)。使用反向传播前馈神经网络训练算法(BPA), RBF神经网络和学习矢量量化(LVQ)神经网络。作者得出结论,LVQ网络有最好的准确性λ8%因为它没有一个问题像BP网络陷入局部最小值的和不需要一个很好的覆盖输入空间,根据径向基函数RBF网络中使用。

张等。[13],在他们调查设计了一种新颖的算法自动诊断甲状腺机能亢进USG图像。在这种方法中,甲状腺USG图像的自动分割。补偿用于增强图像。Haar小波、同质性、块不同的逆概率和归一化特性提取多尺度强度差异。块分类利用时滞被应用于分类块大小甲状腺区域和non-thyroid区域。分段甲状腺进一步检查甲状腺机能亢进使用工件补偿和中点过滤。血液测试结果需要数周获得检查结果。

三世。该方法

图2显示了该方法之后。第一次颈部甲状腺患者的彩色图像通过使用热了,过滤这些图像中值滤波,使用直方图均衡化增强。然后分割的图像是通过使用改进的大津阈值技术。MLPN特征被提取和分类的分类器。

答:THERMOGRAPHIC摄像系统

热成像系统使用红外辐射形成图像,只要在波长14000 nm(14μm)。这种成像一直是医学领域非常成功的诊断工具。红外成像的进入导致减少侵入性诊断程序。这是一个在诊断疾病病人和医生来说都是好事。

红外成像的原理是很简单的工作。随着温度的增加,物体发出的辐射的数量也增加了。这种成像帮助我们看到了温度的变化。温暖地区出现突出对冷却器的背景。一般来说,任何疾病在人体是伴随着炎症实际上是身体的保护机制。在疫区炎症血管增加,这反过来导致增加温度。增加温度是利用红外成像识别扰动的正常的生理过程。

数字红外摄像机产生高分辨率热图像诊断非常重要。正确和疾病的早期诊断有助于早期和完善的治疗。红外成像有助于从业者在抑制疾病的早期阶段,而且还有助于防止相同的扩散到身体的其他部位的淋巴结。从红外成像的最大利用我们必须意识到,它是安全的和准确的。它不涉及辐射或侵入性程序。它可以诊断疾病早于其他诊断工具。

b图像滤波

通常过滤器是用来去除图像噪声。过滤器分为两种类型,线性滤波器和非线性滤波器。线性过滤器也倾向于模糊锐利的边缘,破坏线路和其他精细图像细节,在相互依赖的存在噪音表现不佳。删除与非线性过滤,噪音没有任何试图明确识别它。中值滤波器是最流行的一种非线性滤波器去除盐和胡椒噪音。噪音被替换窗口centerneighborhood中值的中心价值。邻居的模式被称为窗口,幻灯片,由像素在整个图像像素。中位数计算首先排序的所有像素值从窗口进入数字次序,然后替换像素被认为是与中间像素值(值)。输入像素的中值替代一个窗口中包含的像素像素。

V (m, n) =值(y (m k, n-l), (k, l) W) (1)

,W是适当的选择窗口。中值滤波的算法需要安排窗口中的像素值递增或递减顺序和选取中间值。

c .图像增强

图像增强是指强调,或锐化图像边缘等特征边界或对比图形显示更有用的显示和分析[4]。直方图建模技术提供了一个复杂的方法修改图像的动态范围和对比,通过改变形象,其强度直方图所需的形状。与contraststretching直方图建模运营商可能采用非线性和non-monotonic pixelintensityvalues之间传输函数映射的输入和输出图像。直方图均衡化采用单调非线性映射,重新指定输入图像的像素强度值,输出图像包含强度的均匀分布。这种技术用于图像比较过程(因为它详细有效的增强)和非线性校正的影响引入数字化仪或显示系统。

直方图建模通常是使用连续的介绍,而不是离散过程的功能。因此,感兴趣的图像包含连续强度水平(在区间[0,1]),地图一个输入图像的变换函数f (x, y)到一个输出图像B (x, y)是连续在这个区间。进一步,它将假定转移法是单值和单调递增(直方图均衡化的情况一样),这样可以定义逆法DA = f 1 (DB)。

输入图像中的所有像素密度的地区哒,哒+ d哒将像素值重新分配,他们认为一个输出像素密度值的范围从DB数据库+ d DB。表面地区hA (DA) dDA和hB (DB)因此dDB将相同的情况下,收益率:

hB (DB) =公顷(DA) / dDA (2)

在.d (x) = df (x) / d (x)。这个结果可以用概率论的语言如果直方图p h被视为一个连续概率密度函数描述的分布(假定随机)强度等级:

PB (DB) = pA (DA) / d (DA) (3)

在直方图均衡化的情况下,输出概率密度都应该同等分数的输入图像的强度水平的最大数量DM。必要的传递函数来实现这个结果只是d (DA) = DM pA (DA)。

因此,

f (DA) = DM∫= DM * FA (DA) (4)

在FA (DA)仅仅是原始图像的累积概率分布。因此,一个图像转换使用其累计直方图产生一个输出直方图是平的。

d图像分割

大津阈值方法[1,2]包括遍历所有可能的阈值和计算的传播阈值的像素水平每一方,即下降前景或背景的像素。目的是寻找阈值,前景和背景的总和为最小的时候。在图像处理中,首先进行方法用于自动计算阈值和一个灰度图像转换成一个二进制图像。该算法假设图像像素的阈值包含两类。我们可以定义在类方差的加权和每个集群对象的差异(O)和背景(B):

e .特征提取

1)伽柏过滤器

通常以减少输入数据的维数,减少时间的使用分类器特征提取。摘要纹理特征提取了一组过滤器称为伽柏过滤器从感兴趣的地区。伽柏过滤器,也称为伽柏小波。伽柏过滤器由Eq。(11), x和y代表像素位置在空间域,w0代表径向中心频率,q代表伽柏方向的取向,s代表标准差的高斯函数沿着x - y轴。

3)基于MLPNN分类

一个多层感知器由连接层的神经元数量能够解决非线性可分的问题。每一个感知器是用于识别小的线性可分的部分输入。感知器的输出到另一个感知器进行组合,以产生最终的输出。多层感知器,神经元排列成一个输入层、输出层和一个或多个隐藏层。

多层感知器的学习规则被称为“广义δ规则”或“反向传播规则”。广义δ规则重复计算误差函数为每个输入和backpropagates错误从一层到前一个。为一个特定的节点权重调整成正比的误差它连接的单位。

让Ep p =误差函数模式

部的颞顶联合区的模式p =目标输出节点j

opj = p模式的实际输出节点j

维琪=重量从节点到节点j

定义的误差函数epi成比例的平方差异部的颞顶联合区的——opj

hiddenSizes = 3, trainFcnis traingdx。监督学习训练集年代是由输入和期望的响应(目标)。

总误差被定义为求和每个训练样本的部分错误。部分j训练样本误差被定义为不同的Dj - Ij。这个错误是计算每个样本美国安训练的目标是最小化均方误差。均方误差< 0.01到达后100时代的学习。用户可以设置一个新的坐标作为适用的输入之后,重新培训安的新坐标。这些坐标视为新的输入。此外,MSE的下行趋势。MSE = 0.01的阈值设置,因此如果TMSE≤0.01然后stop_learningelse下一个时代。该方法的实际测试表明,设计的安是有用的椭圆定位的正确位置在ROI窗口中。该方法精度约70% 10测试图像。 Retraining allows reach higher accuracy for manually set of coordinates and more images as input position.

四、实验结果

四。结论

不同的研究人员已经开发出各种技术处理甲状腺医学图像。这些技术帮助放射科医生和医生有效地诊断甲状腺结节的图像和导致减少错误诊断甲状腺疾病。在这部作品中,使用MLPNN甲状腺图像进行分类。实验结果表明,该分类器有效地分类甲状腺图像产生的敏感性为93.12% 3折89.62%,10倍。这个工作将扩展部分甲状腺图像使用模糊逻辑以及分类的图像甲状腺,non-thyroid,良性或恶性结节。

引用

冈萨雷斯,直森林,右眼:数字图像处理。第二版,普伦蒂斯霍尔(2002)
Sonka Hlavac,博伊尔:数字图像处理和计算机视觉。印度版,CENGAGE学习(2007)。
AdhyHelmy,迈克尔舱内装卸工,马赫Rizkalla应用温度记录的非侵入性诊断甲状腺疾病,IEEETrans.Biomed。Eng。March2008 vol.55、硝酸盐
Rafeal c。冈萨雷斯,理查德·e·伍兹,Steven e . eddin使用MATLAB数字图像处理,2010年第二版。
Aweda M。一个,Adeyomoye A。啊,安倍G。Thermographic分析甲状腺疾病,放置达成。科学。,2012,3 (4)2027 - 2032。
F.H.Y. Chan A.T.P. A.W.C.宫保,t F.K. Lam和H.C.L. Yip甲状腺诊断通过热谱序列分析,爱思唯尔的科学有限公司生物医学材料与工程,5卷,第3期,第183 - 169页,1995年
Anil k。耆那教徒,数字图像处理基础,东方版2005。
FLIR E-30数据表。
Chuan-yu张。Yue-fong撒谎,下巴,Shyang-rong、甲状腺Segmen-tation和体积估计在我们图片,IEEE生物医学工程、57卷,第6期,2010年6月。
尼基塔·辛格et al。一个¢分割方法和分类方法的对比甲状腺超声¢国际杂志的计算机应用(0975 - 8887)卷50 - 11路,2012年7月。
NasrulHumaimiMahmood和阿克毛,一个¢分割和区域测量甲状腺超声ImageA¢,国际科学和工程研究杂志》卷2,12个问题,2011年12月。
AnupamaShukla PrabhdeepKaur,“使用人工神经网络诊断甲状腺疾病”,200年λIEEE国际提前计算会议(2009年国际)——德里邦,印度,2009年,页1016 - 1020。
Chuan-Yu Chang Hsiang-Yi Liu Chin-Hsiao Tseng Shyang-Rong施,“自动超声波图像诊断甲状腺疾病坟墓”,9nd混合智能系统2009年IEEE国际会议,2009。