Thyroidiomics: An Automated Pipeline for Segmentation and Classification of Thyroid Pathologies from Scintigraphy Images
本研究提出了“Thyroidiomics”，这是一个利用 ResUNet 进行甲状腺闪烁显像分割，并结合基于 XGBoost 的影像组学特征选择的自动化流水线，旨在实现与专家医师分割相当的分类性能，从而在保持高诊断准确度的同时缩短评估时间。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
人类甲状腺是一个位于颈部底端、形如蝴蝶的小型腺体，它通过调节代谢来充当身体的“恒温器”。当这个腺体发生功能障碍时，它可能会肿胀、长出结节或发生炎症，导致从轻微不适到严重健康威胁不等的各种疾病。为了了解内部发生了什么，医生经常使用一种被称为甲状腺显像（scintigraphy）的特殊核医学扫描技术。在这一过程中，患者会接受极少量安全且甲状腺会自然吸收的放射性物质。随后，一台照相机捕捉这些光芒的图像，揭示该腺体的工作状态以及可能出现异常的地方。然而，解读这些图像是一项艰巨的任务。它需要一位经验丰富的专家仔细描绘出屏幕上甲状腺的轮廓，然后通过解读光影变化的细微模式来诊断具体的疾病。这个过程进展缓慢，高度依赖于医生的个人经验，并且在不同专家之间可能存在差异。随着需要进行此类扫描的患者数量不断增加，医学界迫切需要能够辅助这项精细工作的工具，以确保诊断既快速又具有一致性。
在最近的一项研究中，来自加拿大、伊朗和瑞士的一个研究小组致力于解决这一挑战，他们构建了一个名为 Thyroidiomics 的自动化系统。他们的目标是创建一个数字流水线，该系统不仅能识别这些发光图像中的甲状腺腺体，还能对影响它的特定疾病进行分类，且无需人工干预。他们收集了来自九个不同医疗中心的 2,643 幅甲状腺扫描图像的大规模集合，涵盖了各种不同的设备和患者群体。研究团队专注于三种常见病症：弥漫性甲状腺肿（腺体均匀增大）、结节性甲状腺肿（以多个肿块为特征）以及甲状腺炎（组织炎症）。为了训练这台计算机，他们首先必须教会它观察人类所见之物。一位资深的核医学专家手动描绘了每一幅图像中甲状腺的确切边界，创建了一张完美的地图，作为机器学习的“地面真值”（ground truth）。
随后，研究人员开发了一个两步走的深度学习系统。首先，他们训练了一个深度学习模型——一种受人类大脑启发的计算机程序——来自动绘制新图像中甲状腺腺体的轮廓。这个被称为 Residual UNet 的模型通过研究数千个示例，学会了如何将甲状腺与周围组织区分开来。一旦计算机成功勾勒出腺体轮廓，第二步便开始了。系统从勾勒出的区域中提取了数百个关于纹理和亮度的微小数学细节——这些特征对于肉眼来说过于细微，但却蕴含着丰富的诊断信息。随后，这些细节被输入到一个机器学习分类器中，该分类器充当决策者，将图像归入三种疾病类别之一。为了确保该系统具有真正的鲁棒性，而不仅仅是记住了训练用的特定图像，团队使用了一种严格的测试方法。他们利用来自八个医疗中心的数据进行训练，并使用第九个中心的数据进行测试，重复这一过程，直到每个中心都轮流担任过测试案例。这种方法保证了系统能够处理来自不同机器和不同医院的图像。
结果显示，该自动化流水线的表现极其出色。计算机绘制甲状腺轮廓的能力非常精准，在大多数情况下能与专家的手动绘图相匹配。在诊断疾病方面，该自动化系统达到了约 74% 的准确率，这一数值非常接近使用医生手动轮廓作为起始点时所达到的 76% 准确率。该系统在识别甲状腺炎方面表现尤为出色，在所有测试中心中都能实现近乎完美的持续分类。虽然手动轮廓在精确度上仍略占优势，但两者之间的差异如此之小，以至于自动化系统的表现被认为在大多数衡量标准上与手动操作具有统计学上的等效性。这表明，计算机可以有效地取代耗时的人工描绘步骤，且不会牺牲诊断质量。
这项工作的意义不仅在于速度。通过实现分割过程的自动化，该系统消除了因不同医生在绘制同一腺体时产生细微差异而导致的变异性。这种一致性对于可靠的医疗保健至关重要，尤其是对于那些可能需要一个客观意见作为参考、以辅助自身评估的经验较少的医生而言。研究人员指出，虽然他们的系统是一个重要的进步，但它是基于单一国家的数据进行训练的，未来可能受益于更具多样性的全球数据集，以确保其在世界各地都能同样有效。他们还计划探索未来如何在不需要勾勒腺体轮廓的情况下进行疾病分类。不过就目前而言，这项研究证明了人工智能可以成功应对甲状腺显像的复杂性，为人类专业知识提供了一个强大的新工具，从而改善患者护理。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。