计算机工程与应用
www.ceaj.org
Computer Engineering a nd Applications计算机工程与应用
2019，55（13）
1 引言
甲状腺是人体最大的内分泌腺体，甲状腺结节容易
诱发患者肌软弱和肌萎缩，是一种临床常见病，近年来
发病率逐年上升。据统计至少有 7%的结节最后发展为
癌症，严重危害人们健康
[1]
。尽管绝大多数甲状腺结节
是良性的，但是通常隐藏在组织深处难以察觉。由于超
声技术具有实时扫描成像的特点，使得超声科医生能够
方便采集和选择疑似患病区域。目前，超声技术已成为
检测和诊断结节、囊肿等甲状腺疾病应用最广泛的影
像学方法之一。然而，超声图像总是受到回波干扰从
而产生散斑噪声，给甲状腺结节检测工作带来了一定
的困难。
现阶段超声图像去噪研究普遍采用人工提取或筛
选特征，不仅影响诊断效率，而且很少考虑斑点噪声对
基于中值滤波和残差网络的甲状腺结节检测
刘鑫童
1
，马小萍
2
，刘立波
1
1.宁夏大学 信息工程学院，银川 750021
2.银川市第一人民医院 医技科，银川 750002
摘 要：利用超声图像对甲状腺结节进行检测在医学诊断中具有至关重要的作用。针对传统机器学习方法处理过
程中存在噪声复杂、特征提取困难等问题，提出一种基于中值滤波和深度学习残差网络的甲状腺超声图像结节检测
方法。采用统计阈值中值滤波方法，提高结节边缘特征，实现超声图像自动增强；构建 CNN6-Residual模型提取和筛
选结节特征，使用跨层连接和残差学习降低网络训练难度。实验结果表明，该方法检测准确率达到 97.03%，具有较
高的临床应用价值。
关键词：统计阈值 ；中值滤波 ；残差神经网络 ；甲状腺结节；特征提取
文献标志码：A 中图分类号：TP 301 doi：10.3778/j.issn.1002-8331.1804-0131
刘鑫童，马小萍，刘立波 .基于中值滤波和残差网络的甲状腺结节检测 .计算机工程与应用，2019，55（13）：254-259.
LIU Xintong, MA Xiaoping, LIU Libo. Thyroid nodule detection method based on median filter and residual network.
Computer Engineering and Applica tions , 2019, 55（13）：254-259.
Thyroid Nodule Detection Method Based on Median F ilter and Residual Network
LIU Xintong
1
, MA Xiaoping
2
, LIU Libo
1
1. School of Information Engineering, Ning xia University, Yinchuan 750021, Chin a
2. Medical Technologic Departments, Yinchuan People’s Hospital, Yinch uan 750002, Chin a
Ab stract：Thyroid nodule detection plays an important role in medical diagnosis. The traditional machine learning method
has many problems, such as the complexity of noise and the difficulty of extracting nodules. A deep learning model i s
introduced and a thyroid nodule detection method based on median filter and residual network is proposed. The me dian
filtering method b ased on statistical threshold is used to improve the edge features of the nodules and realize the automatic
enhancement of the ultrasonic image. Then, the CNN6-Residual model is constructed to extract and screen the characteristics
of the nodules. It has cross layer connection and residu al learning in order to reduce the difficulty of network training. The
experimental results show that the accuracy of this m ethod is 97.03%, which has high clinical application value.
Key words：statistical threshold; median filter; depth residual network; thyro id nodules; feature extraction
基金项目：宁夏自然科学基金（No.NZ17010）；国家自然科学基金（N o.61751215）；西部一流大学科研创新项目（No.ZKZD2017005）。
作者简介：刘鑫童（1992—），男，硕士，CCF学生会员，研究方向为数字图像处理、深度学习，E-ma il：liuxin tong88@163.com；马小萍
（1973—），女，研究方向为超声影像；刘立波（1974—），通讯作者，女，博士后，教授，CCF 会员，研究方向为智能信息处
理、深度学习。
收稿日期：2018-04-11 修回日期：2018-06-01 文章编号：1002-8331（2019）13-0254-06
CN KI网络出版：2018-09-28, http://kns.cnki.net/kcms/deta il/11.2127.TP.2018 0926.1744.019.html
254
资源评论
