基于光学相干层析技术的甲状腺乳头状癌图像识别

光学相干层析技术（OCT）作为一种实时、无创的高分辨率成像手段,能够使用特征提取算法获得丰富的图像信息,为疾病的诊断提供客观依据。利用OCT对17例甲状腺正常组织与乳头状癌组织进行成像。针对甲状腺组织图像的特点,使用灰度共生矩阵（GLCM）、灰度直方图（GH）、中心对称自相关（CSAC）和Laws纹理测度（LM）4种算法提取图像特征值,并结合支持向量机（SVM）算法定量地评估不同特征组合的识别性能。结果显示,GLCM-GH-LM组合性能最优,能够从多个方面获得图像的纹理和灰度特征信息,灵敏度、特异性和准确度分别高达96.3%、92.2%和94.3%。研究表明,基于特征提取和机器学习的算法对甲状腺乳头状癌OCT图像进行量化分析及识别时不仅可以提供实时的监测图像,还对甲状腺恶性肿瘤临床诊断具有重要的参考价值。