季 琳 劉 洋 張 洋 朱 偉

頭頸部腫瘤分子生物紋理分析與生物靶區(qū)自適應(yīng)勾畫研究

季 琳 劉 洋 張 洋 朱 偉

目的 探討頭頸部腫瘤分子生物紋理分析與生物靶區(qū)自適應(yīng)的勾畫方法。方法從腫瘤 PET圖像的共生矩陣中提取腫瘤分子生物方差紋理特征，然后結(jié)合腫瘤生物方差紋理特征，對(duì)之前的兩個(gè)階段自適應(yīng)三維體生長(zhǎng)方法進(jìn)行改進(jìn)，對(duì)頭頸部腫瘤自適應(yīng)生物靶區(qū)進(jìn)行自適應(yīng)勾畫。結(jié)果聯(lián)合鼻咽癌VAR紋理特征、PET SUV進(jìn)行兩級(jí)區(qū)域生長(zhǎng)計(jì)算，一級(jí)區(qū)域生長(zhǎng)閾值0.65，分割結(jié)果顯示，分割輪廓性較強(qiáng)，所有區(qū)域均聯(lián)通，經(jīng)臨床專家視覺(jué)評(píng)估，認(rèn)定該分割結(jié)果合理、正確。結(jié)論改進(jìn)后的生物靶區(qū)自適應(yīng)勾畫方法，可有效提高頭頸部腫瘤生物靶區(qū)勾畫的精確度。

自適應(yīng)勾畫；生物靶區(qū)；頭頸部腫瘤；分子生物紋理

放療是臨床治療惡性腫瘤的常用方法，要確保高精度實(shí)施放療，關(guān)鍵是要確保放射治療靶區(qū)勾畫的高精度。據(jù)研究顯示[1]，PET（正電子發(fā)射型計(jì)算機(jī)斷層顯像）能夠提供活體腫瘤代謝、缺氧、增殖等分子生物功能信息，這都是MRI及CT解剖影像無(wú)法實(shí)現(xiàn)的，PET圖像能為放療靶區(qū)的高精度勾畫提供重要想影像信息。PET已在頭頸部腫瘤生物自適應(yīng)勾畫中得到了廣泛應(yīng)用，同時(shí)也對(duì)頭頸部腫瘤放療產(chǎn)生了較大的影響。為進(jìn)一步提高腫瘤生物靶區(qū)（BTV）的勾畫精度，本研究采用了一種結(jié)合腫瘤 PET顯像劑標(biāo)準(zhǔn)攝取值（SUV）和分子生物方差紋理特征的BTV自適應(yīng)勾畫方法，現(xiàn)報(bào)道如下。

1 資料與方法

1.1 一般資料本研究中的 PET影像資料均來(lái)源于我院PET/CT中心，使用GE Discovery ST PET/CT掃描系統(tǒng)進(jìn)行數(shù)據(jù)采集，每張床位掃描3m in。使用CT信息對(duì)獲得的PET數(shù)據(jù)做衰減校正，然后進(jìn)行三維重建，圖像大小為128mm×128mm×131mm，層厚為3.27mm，像素間距為2.34mm。

1.2 方法

1.2.1 分析頭頸部腫瘤分子生物紋理特征 頭頸部腫瘤分子生物紋理分析是建立在GLCM（PET灰度共生矩陣）基礎(chǔ)上的，GLCM是紋理分析距離（δ）與方向（θ）的函數(shù)，其維數(shù)由圖像的灰度級(jí)數(shù)（n）決定，元的值p（I,j）是由θ方向上距離δ的2個(gè)體素SUV值來(lái)決定的，同時(shí)與一個(gè)體素SUV值為i、一個(gè)為j的概率相等。在實(shí)際分析中，該概率估算值取相應(yīng)的頻率值[2]。分子生物紋理特征分析步驟：①確定共生矩陣的灰度級(jí)（n）、紋理分析方向（θ）、距離（δ）3項(xiàng)參數(shù)。常規(guī)將n取為8，δ取為1。紋理特征的提取，關(guān)鍵在于紋理分析的方向。為了對(duì)分子生物紋理進(jìn)行全方位分析，θ起點(diǎn)可選擇任一體素，指向任一相鄰體素。紋理特征具有中心對(duì)稱性，所以文理分析方向共包含13個(gè)方向。②計(jì)算θ上的紋理特征量及共生矩陣。方差紋理VAR的計(jì)算公式為：其中P(i,j)：GLCM第i行、第j列對(duì)應(yīng)的元素值；μx：均值。反映的是紋理的周期性，值越大說(shuō)明紋理周期越大。采用三維最大強(qiáng)度投影（每個(gè)體素點(diǎn)和紋理特征量），紋理特征圖像強(qiáng)度值取取三維空間方向上的最大特征值。

1.2.2 頭頸部腫瘤生物靶區(qū)的自適應(yīng)勾畫 在頭頸部腫瘤PET SUV分子生物紋理特征圖像分割中，采用多級(jí)自適應(yīng)勾畫法，方法為：①一級(jí)區(qū)域生長(zhǎng)算法。首先選取初始區(qū)域V，V取值為SUV值（腫瘤區(qū)）最大體素點(diǎn)。②確定相似性。采用體素點(diǎn)的SUV值與初始區(qū)域SUV平均值偏差d（x,y,z）用以度量體素相似性。d（x,y,z）=SUVmean－SUV（x,y,z），其中，SUVmean：SUV平均值；SUV（x,y,z）：體素點(diǎn)的SUV值；（x,y,z）為V的所有6鄰域點(diǎn)的集合S的子集。③在S中選擇偏差最小點(diǎn)作為候選生長(zhǎng)點(diǎn)，若該生長(zhǎng)點(diǎn)滿足一級(jí)生長(zhǎng)準(zhǔn)則，就將其添加到V中。一級(jí)生長(zhǎng)準(zhǔn)則公式：SUV（x,y,z）＞t1× SUVmean，式中，t1：生長(zhǎng)閾值，可采用以下方法來(lái)確定生長(zhǎng)閾值：將閾值設(shè)定為1→0，以0.1的頻率遞減，得到一個(gè)突變點(diǎn)（t1），也就是說(shuō)當(dāng)閾值減小時(shí)，滿足一級(jí)生長(zhǎng)準(zhǔn)則，體素點(diǎn)個(gè)數(shù)增大值＞60%。繼續(xù)對(duì)t1→t1→0.1細(xì)分，以0.01的頻率遞減，得到最優(yōu)閾值 t1，重復(fù)上述步驟至算法收斂[3]，一級(jí)生長(zhǎng)體素個(gè)數(shù)與閾值變化關(guān)系如圖 1。④二級(jí)區(qū)域生長(zhǎng)算法。與一級(jí)生長(zhǎng)算法相比，二級(jí)生長(zhǎng)算法的初始區(qū)域取值為是一級(jí)生長(zhǎng)結(jié)果，也無(wú)需設(shè)定生長(zhǎng)閾值，算法即可自動(dòng)停止生長(zhǎng)[4]。新增的種子點(diǎn)，所有6鄰域點(diǎn)要在滿足如下生長(zhǎng)準(zhǔn)則情況下，才可添加到點(diǎn)集S中。

其中，（x,y,z）代表候選種子點(diǎn)，（sx,sy,sz）代表最近一次添加到種子區(qū)域的種子點(diǎn)坐標(biāo)。

2 結(jié)果

聯(lián)合鼻咽癌VAR紋理特征、PET SUV進(jìn)行兩級(jí)區(qū)域生長(zhǎng)計(jì)算，一級(jí)區(qū)域生長(zhǎng)閾值0.65，分割結(jié)果如圖2所示。圖中紅色為一級(jí)分割結(jié)果，黃色為二級(jí)分割結(jié)果。從圖中可看出，分割輪廓性較強(qiáng)，所有區(qū)域均聯(lián)通，經(jīng)臨床專家視覺(jué)評(píng)估，認(rèn)定該分割結(jié)果合理、正確。

圖1 一級(jí)生長(zhǎng)體素個(gè)數(shù)與閾值變化關(guān)系

圖2 鼻咽癌分割結(jié)果

3 討論

在醫(yī)學(xué)圖像分析、處理中，紋理特征具有重要應(yīng)用價(jià)值，但目前關(guān)于頭頸部腫瘤PET分子生物紋理的研究還較少[5]。在本次研究中，從PET圖像的共生矩陣中提取腫瘤分子生物紋理特征，通過(guò)分析比較，結(jié)合頭頸部腫瘤SUV影像值和腫瘤PET顯像劑標(biāo)準(zhǔn)攝取值紋理特征最大強(qiáng)度三維投影，提出了BTV自適應(yīng)區(qū)域生長(zhǎng)算法。因目前還沒(méi)有生物靶區(qū)勾畫金標(biāo)準(zhǔn)，所以僅能對(duì)靶區(qū)分割結(jié)果做定性分析。通過(guò)本次研究，發(fā)現(xiàn)采用上述方法可對(duì)頭頸部腫瘤生物靶區(qū)進(jìn)行自動(dòng)分割，但其應(yīng)用價(jià)值還有待進(jìn)一步研究、考證。

[1] 劉國(guó)才,余志浩,朱蘇雨,等.頭頸部腫瘤分子生物紋理分析與生物靶區(qū)自適應(yīng)勾畫[J].中國(guó)醫(yī)學(xué)影像技術(shù),2013(1):115-120.

[2] 余志浩.頭頸癌 PET圖像紋理分析與生物靶區(qū)智能勾畫方法研究[D]. 湖南:湖南大學(xué),2012.

[3] 陳治明,吳平,周克,等.PET-CT在腫瘤放射治療中的價(jià)值[J].西南軍醫(yī),2010(1):4-6.

[4] 朱蘇雨,席許平,胡炳強(qiáng).PET/CT用于腫瘤放療計(jì)劃靶區(qū)勾畫的相關(guān)問(wèn)題[J].中國(guó)腫瘤,2010(8):494-499.

[5] 李燕雛,李顯勇.PET/CT功能影像在肺癌及頭頸部腫瘤放療靶區(qū)勾畫中的應(yīng)用及進(jìn)展[J].中外醫(yī)療,2012(23):184-186.

R73

A

1673-5846(2014)05-0224-02

牡丹江醫(yī)學(xué)院，黑龍江牡丹江 157011

朱偉，E-mail：zhuzwwei@163.com。