李秀麗，孟曉濤

包鋼集團(tuán)第三職工醫(yī)院 超聲科，內(nèi)蒙古包頭 014010

基于變差函數(shù)的肝癌超聲圖像紋理識別的研究

李秀麗，孟曉濤

包鋼集團(tuán)第三職工醫(yī)院 超聲科，內(nèi)蒙古包頭 014010

本文提出了應(yīng)用變差函數(shù)識別肝臟超聲圖像紋理的方法，并定義了各向異性系數(shù)，以進(jìn)一步定量化肝臟超聲圖像的紋理特征。采用此方法，本文研究了4例肝癌肝臟超聲圖像及5例正常肝臟超聲圖像，計(jì)算了各個(gè)肝臟超聲圖像8個(gè)方向上的變差函數(shù)r(h)max值。結(jié)果表明，正常肝臟圖像r(h)max值較小，肝癌肝臟圖像r(h)max值較大；正常肝臟圖像的各向異性系數(shù)較大，肝癌肝臟圖像的各向異性系數(shù)較小。參數(shù)r(h)max及各向異性系數(shù)可以很好地定量化區(qū)別正常肝臟與肝癌肝臟。

超聲圖像；紋理特征；變差函數(shù)；各向異性系數(shù)

目前，肝癌已成為人類的主要疾病之一，其發(fā)病率在我國有逐年上升的趨勢[1-2]。當(dāng)前，臨床上對肝癌診斷的方法有：腫瘤標(biāo)記物檢測、超聲顯像、電子計(jì)算機(jī)斷層掃描（CT）、磁共振成像（MRI）、X線肝血管造影、放射性核素肝顯影和肝活組織切片檢查等[3-4]。活組織切片檢查是肝癌最為準(zhǔn)確的檢驗(yàn)方法，但該法對肝臟有創(chuàng)傷；腫瘤標(biāo)記物檢測不能對病灶進(jìn)行定位；CT、MRI、X線肝血管造影、放射性核素肝顯影雖具有較高的檢出率，但費(fèi)用較高且不能進(jìn)行動(dòng)態(tài)監(jiān)測。超聲顯像是一種最常用的無創(chuàng)檢查手段，具有操作簡便、檢查費(fèi)用低、可重復(fù)使用、無放射性損傷、檢出敏感性高等優(yōu)點(diǎn)。

傳統(tǒng)的超聲檢查主要通過醫(yī)務(wù)人員用肉眼對比疑似肝癌患者與正常人體肝臟超聲圖像的紋理特征，判斷其肝臟器官是否存在異常病變并做出診斷。因此，檢查結(jié)果與醫(yī)務(wù)人員的技術(shù)、手法、經(jīng)驗(yàn)以及檢查的細(xì)致程度等密切相關(guān)，并受醫(yī)師主觀因素影響較大。為減少由主觀原因?qū)е碌恼`診和漏診，本文提出了應(yīng)用肝臟超聲進(jìn)行圖像紋理特征的識別，以幫助醫(yī)生有效地診斷肝癌。

1 肝臟超聲圖像紋理特征識別研究現(xiàn)狀

通常情況下，正常肝臟超聲圖像呈現(xiàn)有規(guī)律的、均勻的紋理特征，紋理基元大小適中；而結(jié)節(jié)性或彌漫性的原發(fā)性肝癌，其組織結(jié)構(gòu)遭到破壞，在超聲圖像中，紋理特征可能是無回聲、等回聲、低回聲或強(qiáng)回聲以及混合回聲。這些紋理特征的差異性為定量識別正常肝臟和肝癌提供了可能[5-8]。超聲影像學(xué)定量診斷方法主要包括：灰階回聲強(qiáng)度分析法、背向散射積分分析法、組織彈性成像分析法[9]。在肝臟超聲圖像定量分析方面，葉萌萌[10]結(jié)合肝臟腫瘤的輪廓特征和支持向量機(jī)（Support Vector Machine，SVM），對肝臟腫瘤的良、惡性進(jìn)行識別，識別率達(dá)到92.31%。張慧等[11]結(jié)合增強(qiáng)去噪算法提出了基于灰度共生矩陣和決策樹分類挖掘的紋理特征分析方法，提高了肝癌的B超檢出率。劉昉等[12-13]采用分形模型對肝臟超聲圖像進(jìn)行了紋理分析，結(jié)果表明分維D是區(qū)分病變的重要特征量。季桂樹等[5-6]采用布朗運(yùn)動(dòng)方法、毯子法、傅里葉功率譜法和差分盒計(jì)數(shù)法計(jì)算了14幅正常肝樣本圖像和14幅原發(fā)性肝癌樣本圖像的分形維數(shù)值，結(jié)果表明，由毯子法、傅里葉功率譜法和差分盒計(jì)數(shù)法獲得的描述正常肝圖像感興趣區(qū)域的分維值明顯小于描述原發(fā)性癌圖像感興趣區(qū)域的分維值；通過分析證明，傅里葉功率譜方法是描述超聲肝圖像紋理特征最適合的方法。陳菲[14-15]提出一種融合共生矩陣和多分辨率相結(jié)合的方法來進(jìn)行超聲肝癌圖像特征提取，并采用傳統(tǒng)的貝葉斯決策理論進(jìn)行統(tǒng)計(jì)識別，實(shí)驗(yàn)證明，這種有效的特征提取對正常肝臟和肝癌的超聲圖像具有較高的分類正確率。

對于肝臟超聲圖像的紋理特征識別，國內(nèi)外專家學(xué)者進(jìn)行了大量的研究。本文應(yīng)用變差函數(shù)研究肝臟超聲圖像的紋理特征，為有效識別肝癌肝臟提供了一種新方法。

2 變差函數(shù)模型及參數(shù)在超聲圖像中的意義

2.1 變差函數(shù)模型

變差函數(shù)既能描述區(qū)域化變量的空間結(jié)構(gòu)，也能描述其隨機(jī)性，其基本表達(dá)式為：

公式(1)中，r(x,h)為變差函數(shù)，Z(x)為區(qū)域化變量，r(x,h)表示在研究空間中x和x+h兩點(diǎn)值之差的方差的?。

當(dāng)區(qū)域化變量Z(x)滿足本征假設(shè)：

（1）對于整個(gè)研究區(qū)域內(nèi)有：

（2）增量的方差函數(shù)E[Z(x)-Z(x+h)]存在且平穩(wěn)（不依賴于x）。

則公式(1)可改寫成：

在本征假設(shè)的基礎(chǔ)上，可以根據(jù)在x軸上相隔h的點(diǎn)xi和xi+h上的觀測值[Z(xi)，Z(xi+h)](i=1，2，…，N(h))計(jì)算[Z(xi)，Z(xi+h)]2，然后求得[Z(xi)，Z(xi+h)]2的算術(shù)平均值從而計(jì)算試驗(yàn)變差函數(shù)：

2.2 變差函數(shù)在超聲圖像中的意義

用區(qū)域化變量Z(x)代表超聲圖像中點(diǎn)x處的灰度值，那么x軸上任意兩點(diǎn)x和x+h間的變異規(guī)律可以用變差函數(shù)來表示。按照公式(4)，通過不斷改變h的大小，可以獲得超聲圖像上某一方向灰度的變化規(guī)律，見圖1。

圖1r(h)隨h的發(fā)展變化趨勢圖

圖1中，隨h的增大，r(h)值也增大，直到趨于穩(wěn)定。趨于穩(wěn)定的r(h)稱為基臺C，其對應(yīng)的h為變程a。對于肝臟超聲圖像來說，C值越大，說明圖像的灰度級差別越大，進(jìn)一步說明此肝臟超聲圖像紋理不均勻，屬病變圖像。據(jù)此，可以定量診斷肝臟是否正常。

3 超聲圖像變差函數(shù)計(jì)算的實(shí)現(xiàn)

根據(jù)變差函數(shù)公式，在超聲圖像上計(jì)算不同的h對應(yīng)的r(h)值。h發(fā)展構(gòu)形，見圖2。例如在水平方向上，若h=1（距離為1個(gè)像素），逐行追蹤掃描圖像中的每一點(diǎn)，并記錄該點(diǎn)的灰度值、計(jì)算兩點(diǎn)間灰度差，這樣的點(diǎn)在圖中共30個(gè)；若h=2（距離為2個(gè)像素），逐行追蹤掃描，共24個(gè)點(diǎn)；同樣方法，逐步增大，相應(yīng)地統(tǒng)計(jì)出[Z(xi)，Z(xi+h)]點(diǎn)的個(gè)數(shù)，進(jìn)一步計(jì)算r(h)。對于其他方向，計(jì)算方法同上。上述計(jì)算過程通過VC++編制的相關(guān)程序來實(shí)現(xiàn)。

圖2h發(fā)展構(gòu)形

4 肝臟超聲圖像實(shí)例計(jì)算與結(jié)果分析

4.1 臨床資料

本文所使用的肝臟超聲圖像均由包鋼第三醫(yī)院超聲科提供。彩超型號為Philips iU22，凸陣探頭，頻率為3.5 MHz。本文所用肝癌超聲圖像來自于2015年3～8月經(jīng)超聲診斷為占位性病變，后經(jīng)肝臟穿刺活檢及病理檢驗(yàn)確診的原發(fā)性肝細(xì)胞癌患者4例，其中男3例，女1例，年齡43～61歲，平均52歲，均為單個(gè)結(jié)節(jié)癌。另選擇5位無肝病的健康人的肝臟超聲圖像作為對照。感興趣區(qū)域是包括病灶在內(nèi)的一個(gè)矩形區(qū)域，并將該矩形區(qū)域作為一幅圖像剪切下來予以保存，圖像大小均為100像素×100像素。在選擇感興趣區(qū)域時(shí)要注意肝臟粗大的血管組織可能對病灶呈現(xiàn)的紋理的影響。

4.2 計(jì)算過程與結(jié)果分析

以一例正常肝臟為例，首先將圖像讀入程序（圖3），然后進(jìn)入圖像分析菜單，即可計(jì)算超聲圖像不同方向的r(h)，見圖4。圖4(a)為正常肝臟超聲圖像在0o方向上r(h)隨h增大的結(jié)果，其相應(yīng)的發(fā)展趨勢見圖4(b)。最后，在同一幅肝臟超聲圖像上計(jì)算其8個(gè)方向上的變差函數(shù)r(h)值，計(jì)算結(jié)果，見表1。由表1可以看出，正常肝臟和肝癌肝臟圖像各方向上的r(h)max值有很大區(qū)別，正常肝臟圖像的r(h)max值在200～300之間，肝癌肝臟圖像的r(h)max值均＞400，最大值高達(dá)1000以上。這些數(shù)值說明，正常肝臟圖像紋理均勻，病變肝臟的圖像紋理粗糙。

圖3 超聲圖像分析系統(tǒng)

圖4 正常肝臟超聲圖像變差函數(shù)計(jì)算結(jié)果

9幅肝臟超聲圖像的各向異性特征，見圖5。由圖5可以看出，正常肝臟圖像各方向上的r(h)max值較均勻（圖中5個(gè)內(nèi)圈）；肝癌肝臟圖像各方向上的r(h)max值差別較大（圖中4個(gè)外圈）。也就是說，正常肝臟與肝癌肝臟圖像的各向異性特征也有很大差別。將一幅超聲圖像中所有方向的r(h)max最小值與最大值的比值定義為各向異性系數(shù)λ。9幅肝臟超聲圖像各向異性系數(shù)λ計(jì)算結(jié)果，見表2。從表2可以看出，正常肝臟圖像的各向異性系數(shù)均＞0.8，肝癌肝臟超聲圖像的各向異性系數(shù)均＜0.75。各向異性系數(shù)接近1，說明圖像各個(gè)方向上的紋理較均勻；而各向異性系數(shù)越小，說明圖像各個(gè)方向上的紋理差別較大。

圖5 9幅肝臟超聲圖像r(h)的各向異性圖

當(dāng)肝臟發(fā)生病變時(shí)，肝臟微結(jié)構(gòu)發(fā)生了明顯變化，從而使正常肝臟與肝癌肝臟超聲影像之間的紋理特征出現(xiàn)較大的差別，表現(xiàn)為圖像紋理粗糙，參數(shù)r(h)max可以很好地區(qū)分正常肝臟與肝癌肝臟，從而為醫(yī)師臨床輔助診斷肝臟疾病提供了量化依據(jù)。

表1 肝臟超聲圖像不同方向上變差函數(shù)r(h)max計(jì)算結(jié)果統(tǒng)計(jì)表（像素2）

5 總結(jié)

本研究計(jì)算了5幅正常肝臟超聲圖像和4幅肝癌肝臟超聲圖像的變差函數(shù)r(h)max值。結(jié)果表明：正常肝臟圖像的r(h)max值較小，肝癌肝臟圖像的r(h)max值較大；正常肝臟圖像的各向異性系數(shù)較大，肝癌肝臟超聲圖像的各向異性系數(shù)較小。參數(shù)r(h)max可以很好地定量化表征正常肝臟與肝癌肝臟。

表2 9幅肝臟超聲圖像各向異性系數(shù)λ計(jì)算結(jié)果

本文重在提供一種識別計(jì)算方法，而正常肝臟與肝癌肝臟超聲圖像的r(h)max特征值及其各向異性系數(shù)特征仍需通過大樣本數(shù)據(jù)研究后才能確定。

[1] 孫華寶,葉德強(qiáng),曹立,等.Logistic回歸和ROC曲線評價(jià)8種原發(fā)性肝癌實(shí)驗(yàn)室診斷指標(biāo)的臨床價(jià)值[J].廣東醫(yī)學(xué),2010,31(20):2650-2653.

[2] Jemal A,Bray F,Center MM,et al.Global cancer statistics[J].CA Cancer J Clin,2011,61(2):69-90.

[3] 范小嬌,張惠卿.肝癌影像成像技術(shù)診斷的研究進(jìn)展[J].內(nèi)蒙古醫(yī)科大學(xué)學(xué)報(bào),2015,37(2):215-220.

[4] 朱碧云,陳卉.醫(yī)學(xué)圖像紋理分析的方法及應(yīng)用[J].中國醫(yī)學(xué)裝備,2013,10(8):77-81.

[5] 季桂樹,江樂新,禹智夫.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):2746-2753.

[6] 季桂樹.肝癌超聲圖像紋理特征識別中的關(guān)鍵技術(shù)研究[D].長沙:中南大學(xué),2013.

[7] 吳文竹,孫小蓉,王曉玲.彩色多普勒圖像特征值對不同肝臟病變的鑒別[J].腫瘤防治研究,2014,41(7):848-849.

[8] 曹桂濤,施鵬飛,胡兵.基于肝臟超聲圖像的纖維化量化分析[J].聲學(xué)技術(shù),2004,23(3):98-104.

[9] 趙玉珍,張麗娟.超聲組織定征在肝臟彌漫性病變診斷中的研究進(jìn)展[J].中國醫(yī)療設(shè)備,2011,26(9):12-16.

[10] 葉萌萌.基于支持向量機(jī)的肝臟腫瘤良、惡性識別研究[D].杭州:浙江大學(xué),2012.

[11] 張慧,遲慶云,劉彩霞.基于灰度共生矩陣的肝癌B超紋理特征決策樹診斷分析[J].中國醫(yī)藥指南,2015,13(25):2-3.

[12] 劉昉,程敬之.分形模型的超聲圖像紋理分析[J].生物醫(yī)學(xué)工程學(xué)雜志,1999,16(3):329-332.

[13] 劉昉,程敬之.肝臟超聲圖像局部分形指數(shù)研究[J].生物物理學(xué)報(bào),1999,15(2):345-350.

[14] 陳菲.肝癌超聲圖像識別的特征提取[J].微計(jì)算機(jī)信息,2006,22 (10-3):272-275.

[15] 陳菲.基于貝葉斯理論的超聲肝圖像識別系統(tǒng)研究[J].微計(jì)算機(jī)信息,2007,23(7-3):306-308.

Study on Methods of Differentiating Liver Cancers from Normal Liver by Ultrasound Image Texture Features Based on Variogram

LI Xiu-li, MENG Xiao-tao
Department of Ultrasonography, the Third Workers’ Hospital of Baogang Group, Baotou Inner Mongolia 014010, China

Application of the variogram for characterizing ultrasound image texture features was proposed in this paper to differentiate abnormal liver from normal liver. And the coefficient of anisotropy was also defned to further characterize ultrasound image texture features. Four abnormal livers and fve liver cancers were involved in this study using this method to calculate ther(h)maxvalue and analyze each image from eight directions. The results showed thatr(h)maxvalue of normal livers was smaller andr(h)maxvalue of liver cancers was bigger; while, the coefficient of anisotropy for normal livers was more and that of liver cancers was smaller. Hence, both the parametersr(h)maxand coeffcient of anisotropy can be used to differentiate liver cancers from normal livers.

ultrasound images; texture features; variogram; anisotropy coeffcient

R445.1；R735.7

A

10.3969/j.issn.1674-1633.2016.07.012

1674-1633(2016)07-0041-04

2016-02-22

2016-03-02

作者郵箱：m15924422979@163.com