甲状腺结节是成人临床最常见的结节性病变之一，发病率一直居高不下。甲状腺结节有良性和恶性之分，后者即为甲状腺癌，会造成患者呼吸吞吐困难甚至危及患者生命。因此，识别甲状腺结节的良恶性是诊断和治疗甲状腺结节的首要问题。深度学习能够自动提取结节特征，并完成甲状腺结节的良恶性初步分类。随着深度学习分类准确率的不断提高，目前它已成为甲状腺结节良恶性辅助诊断的重要手段。为更好地进行甲状腺结节良恶性分类辅助诊断研究，对常用的结节分类性能评价指标进行介绍；按卷积神经网络、Transformer、深度神经网络、生成对抗网络、迁移学习、集成学习以及基于深度学习的计算机辅助诊断系统进行分类，对它们在甲状腺结节良恶性分类中的应用进行阐述，并进行综合对比分析；总结了目前研究中存在的问题，并对未来的研究方向进行了展望。

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。

甲状腺癌的发病率近些年来不断上升，早期确诊甲状腺结节可以有效降低甲状腺癌死亡率。超声检查通常为甲状腺医学成像的首选方案，根据近些年国内外发表的相关文献，系统地概述了卷积神经网络（CNN）针对超声图像的甲状腺结节诊断算法，主要内容包括CNN在甲状腺结节的病灶区域提取、良恶性分类以及钙化点识别三个方面的应用。各算法的基本设计思想、网络架构形式、相关改进目的及方法都得到详细阐述，旨在为研究人员提供更清晰的参考思路。最后，总结性分析了基于CNN的甲状腺结节诊断的各类算法并探讨了其未来可能的研究热点及相关难点。

针对过拟合及甲状腺恶性结节细粒度分类(恶性分为恶性与高度恶化)的问题,提出一种基于循环卷积神经网络的分类方法。将Xception网络与长短时记忆网络(LSTM)作为互不干扰的两部分,分别对甲状腺结节样本进行特征提取得到两个权重矩阵;通过Merge算法融合为单个权重矩阵,将单个权重矩阵导入卷积神经网络(CNN)进行特征提取与池化;采用L2正则化的Softmax函数作为分类器,完成循环卷积神经网络的训练与测试。实验结果表明,甲状腺恶性结节细粒度分类的准确率为87.00%,并有较好的特征提取能力。

开展了健康对象甲状腺动态红外图像的多重分形特征研究, 并对不同个体甲状腺多重分形特征参数进行了统计分析与差异性检验。首先, 在恒温恒湿实验环境下, 获取多帧人体甲状腺红外图像, 并对其进行网格划分, 形成温度时间序列。然后, 探讨了适合人体甲状腺多重分形分析的原始信号长度、小波变换尺度因子、统计矩阶数的取值。在确定好上述参数后, 对温度时间序列进行多尺度小波变换, 求解其小波变换模极大, 进而获取不同健康对象甲状腺左右叶多重分形特征参数的分布特性。研究结果表明: 健康对象甲状腺多重分形特征谱线分形维数取得极值处对应的奇异性指数c1的分布集中在1.1~1.3范围内, 间隙系数c2的分布则集中于0.002~0.005范围内, 二者分布特征不存在个体差异的检验水准α=0.01; 多重分形谱线半峰宽集中于0.164~0.166范围内且不存在个体差异的检验水准α=0.05。

为了在甲状腺手术中辅助医生对切除的颈部组织进行快速的组织学判断,使用自行搭建的光学相干层析(OCT)系统对行甲状腺切除术及淋巴结清扫术患者的切除组织进行三维成像,并将其与二维OCT图像以及病理切片进行对比。对21个病例的切除组织分别采集67幅1000 pixel×1000 pixel×630 pixel的高分辨三维OCT图像,对应6 mm×6 mm×3.8 mm的成像范围。可以从不同角度和不同的内部切面对三维OCT图像进行观察,能够清楚地辨别成像范围内的甲状腺、甲状旁腺、淋巴结和脂肪组织,并能够清楚地分辨淋巴结转移病变。高速、高分辨的三维OCT成像为甲状腺手术提供了一种术中病理诊断的方式,在辅助医生做出手术决策方面具有一定的应用潜力。

探讨二维斑点追踪显像技术在(2DSTE)甲状腺功能亢进(甲亢)患者左心房功能评价中的应用价值。选取2015年6月至2018年6月本院甲亢患者100例作为甲亢组, 同期选取体检中心健康人员100例作为健康组, 采用2DSTE检测左心房容量［左心房最大容积(LAVmax)、最小容积(LAVmin)、左心房收缩前容积(LAVp)］、功能左心房被动射血分数(LAPEF)以及左心房主动射血分数(LAAEF)应变参数心室收缩期左心房整体应变率(sRs)、心室舒张早期左心房整体应变率(sRe)和心室舒张晚期左心房整体应变率(sRa), 分析2DSTE对甲亢患者左心房功能的评价价值。甲亢组LAPEF、LAAEF明显低于健康组, 甲亢组LAVmax、LAVmin、LAVp明显高于健康组, 差异有统计学意义(P<0.05)；甲亢组sRs明显低于健康组, 甲亢组sRe、sRa明显高于健康组, 差异有统计学意义(P<0.05)；Pearson相关性分析结果显示, sRs与LAPEF、LAAEF呈正相关, sRe、sRa与LAPEF、LAAEF呈负相关(P<0.05)。2DSTE对甲亢患者左心房功能具有良好评价价值, 其sRs、sRe、sRa可作为评价患者左心房功能的重要指标, 值得临床作进一步推广。

目的: 制备分泌特异性抗人甲状腺球蛋白(thyroglobulin,Tg)单克隆抗体的杂交瘤细胞株, 为建立高灵敏度的Tg检测方法做准备。方法: 以天然人源甲状腺球蛋白为抗原经皮下免疫BALB/c小鼠, 通过细胞融合制备分泌抗人甲状腺球蛋白单克隆抗体, 并对其进行特异性鉴定, 建立检测Tg的双抗体ELISA(enzyme-linked immunosorbent assay)夹心法。结果: 获得7株可稳定分泌抗人甲状腺球蛋白单克隆抗体的杂交瘤细胞株, 经ELISA鉴定, 筛选抗体可与Tg抗原有良好的特异性反应。建立的双抗体夹心ELISA方法敏感性可达1 ng/mL。 结论: 成功制备了抗人Tg单克隆抗体并建立了检测人Tg双抗体夹心ELISA方法, 为进一步研发Tg快速诊断试剂盒提供了原料。

基于光学成像与光谱技术的无损检测是生物医学光学交叉领域研究的重要发展方向。 其中拉曼光谱技术可获得检测对象的生化成分的“指纹信息”, 被广泛应用于面向生物分子, 细胞以及生物组织的检测诊断研究。 甲状腺疾病尤其肿瘤的临床检测往往涉及多方法和技术手段的结合, 且存在一定的诊断难度, 因此发展新的检测技术方法具有重要的意义。 首先综述了拉曼光谱技术在甲状腺细胞系的单细胞拉曼光谱检测与分析, 然后介绍甲状腺病理组织和甲状腺正常组织的拉曼光谱鉴别诊断（特别介绍了本研究小组开展以银纳米粒子为增强基底的甲状腺离体组织SERS光谱研究情况）, 以及拉曼光谱技术在甲状腺激素等方面的研究概况。 最后简要探讨了拉曼光谱技术在该领域的研究应用前景和发展方向。