面向超声影像的肝脏肿瘤良恶性分类算法研究.pdf

摘要

肝癌是常见的危害人体健康的恶性肿瘤之一，一旦发展到晚期，将会直接威

胁患者生命。肝脏超声检查的优点使其成为肝脏肿瘤初步诊断的依据，特别是超

声造影中肿瘤的血流情况和组织形态可以更好地进行病灶诊断。由于人体特异性

表现出病灶多元化，加上实际中经验丰富的超声科医生又比较稀少，所以研究针

对肝脏超声影像的辅助分类算法很有实际意义。本文使用超声造影、B型超声和

临床资料，开展超声影像驱动的肝脏肿瘤良恶性分类算法研究，主要工作有以下

三个方面：

一是构建患者的肝脏肿瘤实验数据集。先按照一定标准筛选病例，然后依次

构建肝肿瘤患者的超声影像数据集和临床数据集，为实验做准备。其中，超声影

像数据集包括造影视频数据集和B超视频数据集。构建造影视频数据集时，主要

包括对原始造影视频片段拼接和剪裁、关键帧提取、病灶ROI标注、数据增强

等。构建B超视频数据集时，则是根据造影和B超中病灶平移位置关系剪裁得

到。构建临床数据集时，则包括资料汇总、定性特征赋值、临床特征筛选等。

二是利用超声造影视频构建肝脏肿瘤的良恶性分类模型。因为造影数据相比

常规B超多了时间维度，需要同时对时间和空间信息建模。于是在利用造影数据

构建视频分类模型时，先分别训练I3D、P3D、SlowFast、3DResNet-18网络，根

据实验结果选择了分类效果最好的3DResNet-18网络。并对数据增强前后的造

影数据进行了对比试验。

三是设计有效的多模态融合策略，构建面向超声影像的多模态肝脏肿瘤良恶

性分类模型。因为对于疾病诊断，单模态视角有限，多模态影像可以实现信息互

补。第一个阶段先使用训练好的模型分别提取造影和B超的病理特征，进行超声

双模态特征融合，再利用支持向量机分类。第二个阶段为模拟医生真实疾病诊断

过程，同时也是为进一步提升诊断准确率，将上个阶段得到的超声融合特征与临

床特征进一步融合，构成三模特征，训练支持向量机分类器，进一步提升分类效

果，实现多模态肝脏肿瘤良恶性自动诊断。

关键词：超声影像分类；肝脏肿瘤；深度学习；视频分类；多模态

Abstract

YingyingDu

AppliedStatistics

DirectedbyTaoFeng

Livercancerisoneofthecommonmalignanttumorsthatharmhumanhealth.

Onceitdevelopstotheadvancedstage,itwilldirectlythreatenthelifeofpatients.The

advantagesofliverultrasoundmakeitabasisforthepreliminarydiagnosisofliver

tumors,especiallythebloodflowandtissuemorphologyoftumorsincontrast-

enhancedultrasoundcanbetterdiagnoselesions.Duetothediversityoflesionsinthe

humanbodyandthescarcityofexperiencedultrasounddoctorsinpractice,itisof

practicalsignificancetostudytheauxiliaryclassificationalgorithmforliverultrasound

images.Inthispaper,contrast-enhancedultrasound,B-modeultrasoundandclinical

datawereusedtocarryouttheresearchonthebenignandmalignantclassification