摘要：目的：研究圖像紋理分析方法對原發(fā)性肝癌CT圖像識別能力。方法：選擇我院在2010年3月-2013年3月間收治得30例確診為原發(fā)性肝癌患者的CT圖像和30例確診正常肝CT圖像為研究樣本，采用一階統(tǒng)計(jì)特征、灰度共生矩陣、灰度行程矩陣等提取方式提取正常肝癌和原發(fā)性肝癌CT圖像紋理特征，通過t檢驗(yàn)進(jìn)行特征選擇和分類識別。結(jié)果：一階矩、和均質(zhì)在正常肝和原發(fā)性肝癌中的差異有統(tǒng)計(jì)學(xué)意義（P<0.05），但是熵在正常肝和原發(fā)性肝癌之間的差異無統(tǒng)計(jì)學(xué)意義，分別選取樣本做檢測和訓(xùn)練樣本的神經(jīng)網(wǎng)絡(luò)分析方法原發(fā)性肝癌檢出率達(dá)到了93.45±5.33%。結(jié)論：神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)優(yōu)化后對原發(fā)性肝癌有著很高得到識別準(zhǔn)確率，在原發(fā)性肝癌計(jì)算機(jī)輔助診斷中有著一定的應(yīng)用價(jià)值。

關(guān)鍵詞：原發(fā)性肝癌；特征選擇；圖像紋理

【中圖分類號】R735.7 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1672-8602（2015）03-0018-01

原發(fā)性肝癌是肝細(xì)胞或者肝內(nèi)膽管上皮細(xì)胞的惡性腫瘤，在致死性惡性腫瘤中位于第5位。CT是各種影像學(xué)檢查中能夠比較準(zhǔn)確反映肝臟病理形態(tài)的一種檢測方法[1]。彌散性和非彌散性肝臟疾病主要的診斷學(xué)區(qū)分特征是正常組織是否被破壞，在CT圖像上主要體現(xiàn)為圖像紋理的變化，而根據(jù)不同CT圖像紋理特征差異，能夠通過計(jì)算機(jī)進(jìn)行原發(fā)性肝癌和正常肝組織的識別與分析，對于我國肝癌患者數(shù)量眾多，診斷工作繁重的現(xiàn)狀來說，實(shí)現(xiàn)計(jì)算機(jī)診斷是有著重要意義的。本次研究以我院在2008年3月-2013年3月間收治的40例確診為原發(fā)性肝癌患者的CT圖像和40例確診正常肝CT圖像為研究對象，對原發(fā)性肝癌CT圖像紋理進(jìn)行了研究。

1 資料與方法

1.1 一般資料

選擇我院在2008年3月-2013年3月間收治得30例確診為原發(fā)性肝癌患者的CT圖像和30例確診正常肝CT圖像為研究樣本，全部樣本在年齡、受教育程度等方面差異無統(tǒng)計(jì)學(xué)意義（P>0.05）。

1.2 方法

將選擇的80個(gè)樣本圖像采集并存儲在計(jì)算機(jī)上，選擇圖像興趣區(qū)。由經(jīng)驗(yàn)豐富的醫(yī)師指導(dǎo)，選取80個(gè)20*20的興趣區(qū)，40個(gè)為正常肝，40個(gè)屬于原發(fā)性肝癌。

1.2.1 紋理特征提取

選用一階統(tǒng)計(jì)特征、灰度共生矩陣、灰度行程矩陣三種提取策略提取紋理特征[2]。

1.2.2 特征選擇

不是每個(gè)特征都能夠用于樣本圖樣區(qū)分，對于某個(gè)特定特征，兩個(gè)樣本差異顯著才可記為有效特征，否則為冗余特征。

采用t檢驗(yàn)時(shí)，首先選擇兩類類性特征樣本值，此時(shí)兩類特征值方差不等并且未知，建立基本假設(shè)：

H0：△：μ=μ1-μ2≠0

H1：△μ=μ1-μ2≠0

進(jìn)行t檢驗(yàn)，H0成立時(shí)可獲得統(tǒng)計(jì)量。

1.2.3 神經(jīng)網(wǎng)絡(luò)識別

采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行正常肝和原發(fā)性肝癌分類，輸入層、隱含層和輸出層組成分類器，輸入層中包含和有效特征數(shù)目相等的輸入神經(jīng)元，隱含層有十個(gè)，輸出層有一個(gè)。設(shè)置收斂判斷值為0.0001，訓(xùn)練步數(shù)最大200，如果訓(xùn)練數(shù)據(jù)和網(wǎng)絡(luò)輸出誤差平方低于這兩個(gè)限度，可認(rèn)為網(wǎng)絡(luò)收斂[3]。

1.3統(tǒng)計(jì)學(xué)處理

在本次研究中采用統(tǒng)計(jì)學(xué)軟件SPSS20.0 對統(tǒng)計(jì)的數(shù)據(jù)進(jìn)行處理，計(jì)量資料采用t檢驗(yàn)，計(jì)數(shù)的資料采用χ2檢驗(yàn)，以（P<0.05）為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 統(tǒng)計(jì)特征

采用上述圖像問題采樣算法，每個(gè)興趣區(qū)都采集28個(gè)特征問題，通過t檢驗(yàn)選擇有效特征，顯著性差異水平取0.05，一階統(tǒng)計(jì)特征有15個(gè)特征差異顯著，其余為冗余特征。特征數(shù)目量較大，不便直接列取，為了校驗(yàn)t檢驗(yàn)特征值是否準(zhǔn)確，在有效特征中選擇一階矩、和困之和冗余特征熵，觀察不同特征在不同性質(zhì)圖像上統(tǒng)計(jì)分布差異，如表2-1：

一階矩、和均質(zhì)在正常肝和原發(fā)性肝癌中的差異有統(tǒng)計(jì)學(xué)意義（P<0.05），但是熵在正常肝和原發(fā)性肝癌之間的差異無統(tǒng)計(jì)學(xué)意義，無法將其從兩個(gè)樣本中分開，結(jié)果和t檢驗(yàn)特征選擇相符，證明這種選擇機(jī)制比較準(zhǔn)確。

2.2 神經(jīng)網(wǎng)絡(luò)識別

在神經(jīng)網(wǎng)絡(luò)分類器中輸入經(jīng)過t檢驗(yàn)選擇的特征向量，使用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行分析計(jì)算和函數(shù)仿真模擬。不同特征量物理意義不同，有著各自的動態(tài)范圍，這種特征有著明顯的不可比性，分類前需要對特征值進(jìn)行歸一化處理，特征值取上限，μ取下限做歸一化處理，調(diào)整到[0，1]之間：

方案A的識別率達(dá)到了100%，但是方案A的全部樣本即是訓(xùn)練集又是測試集，樣本識別結(jié)果失去了客觀性，方案B對原發(fā)性肝癌的識別率達(dá)到了93.45±5.33%，說明應(yīng)用方案B的神經(jīng)網(wǎng)絡(luò)分析方法對肝臟CT圖像有著很高識別率，這是符合模式辨識理論規(guī)律的，對于未學(xué)習(xí)過的樣本需要根據(jù)已學(xué)習(xí)樣本訓(xùn)練結(jié)果進(jìn)行推理，識別率雖然有所下降，但是結(jié)果有著較好客觀性。

3 討論

原發(fā)性肝癌是世界范圍內(nèi)致死率第五的惡性腫瘤，我國的發(fā)病率也很高，嚴(yán)重威脅了患者的生命健康，我國肝癌患者眾多，給診斷和普查工作帶來了很大困難，長期以來，使用計(jì)算機(jī)進(jìn)行肝癌CT圖像紋理分析還缺乏高效準(zhǔn)確的算法，成為實(shí)現(xiàn)原發(fā)性肝癌CT圖像的計(jì)算機(jī)輔助診斷的主要技術(shù)難題[4]。本次研究選擇了一階統(tǒng)計(jì)、灰度共生矩陣和灰度差分矩陣圖像紋理取樣算法，提高了樣本采集的代表性：

①一階統(tǒng)計(jì)特征

是圖像灰度的一階概率分布，是一種比較基本的紋理特征描述。

P（I）=灰度級為1的像素?cái)?shù)/區(qū)域內(nèi)總像素?cái)?shù) （1-1）

②灰度共生矩陣

通過估計(jì)圖像二階組合條件概率密度函數(shù)提取特征。描述四個(gè)方向上距離為d的一對象元具有灰度i和j的概率，每個(gè)元素都有距離、角度、灰度值和概率4個(gè)特征值，通過灰度共生矩陣能夠計(jì)取對比度、相關(guān)系數(shù)、和方差等共13個(gè)特征量，從每個(gè)興趣區(qū)中都能夠提取13個(gè)特征值。

③灰度行程矩陣

是連續(xù)、共線，灰度級相同的像素點(diǎn)，通過某個(gè)既定圖像能夠計(jì)算獲得灰度游程矩陣，表示四個(gè)方向上灰度g，長度d灰度串出現(xiàn)的總次數(shù)，能夠提取短行程優(yōu)勢、長形成優(yōu)勢、灰度不均勻度度量以及行程總數(shù)百分率等參數(shù)量。

同時(shí)應(yīng)用了神經(jīng)網(wǎng)絡(luò)進(jìn)行原發(fā)性肝癌識別，經(jīng)過兩種方案分析準(zhǔn)確率的比較，證明1/3樣本作為測試樣本，2/3作為訓(xùn)練樣本的分析方式對原發(fā)性肝癌的檢出率為93.45±5.33%，說明基于神經(jīng)網(wǎng)絡(luò)的原發(fā)性肝癌CT圖像計(jì)算機(jī)輔助診斷有著理想的識別能力，有著很高的臨床推廣價(jià)值。

參考文獻(xiàn)

[1] 郭塹，農(nóng)村立，等.圖像紋理分析技術(shù)在肝纖維化CT圖像分析中的應(yīng)用研究進(jìn)展[J].實(shí)用肝臟病雜質(zhì)，2009，12（3）：229-230.

[2] 劉建華，王建偉.基于圖像處理的CT圖像肝癌診斷技術(shù)研究[J].清華大學(xué)學(xué)報(bào)，2014，51（7）：917-923.

[3] 李桂樹.分維方法在肝癌超聲圖像紋理識別中的性能比較研究[J].中南大學(xué)學(xué)報(bào)，2011，42（9）：2747-2748.

[4] 陶政.原發(fā)性彌漫結(jié)節(jié)型肝癌與多發(fā)結(jié)節(jié)型轉(zhuǎn)移性肝癌的CT表現(xiàn)[J].醫(yī)技與臨床，2014，12（25）：68-70.