陳 佳,李高軍

(安康學(xué)院醫(yī)學(xué)院，陜西 安康 725000)

1 引 言

乳腺腫瘤的發(fā)病率和死亡率在女性惡性腫瘤中占據(jù)首位。據(jù)不完全統(tǒng)計(jì)，2019年全球新增腫瘤病例約1 910萬，其中乳腺腫瘤新增228.9萬，占新增癌癥病例的11.98%，癌癥死亡病例約980萬，其中乳腺腫瘤死亡65.7萬，占死亡病例的6.7%[1]。隨著社會(huì)的發(fā)展和環(huán)境的變化，包括乳腺腫瘤在內(nèi)的惡性腫瘤的發(fā)病率在未來一段時(shí)間內(nèi)都將呈上升趨勢(shì)。

早期發(fā)現(xiàn)和治療是提升腫瘤治療效果的關(guān)鍵。隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，可以利用相關(guān)技術(shù)方法實(shí)現(xiàn)對(duì)乳腺腫瘤病理圖像的識(shí)別，從而確定患者的病情。通過圖像識(shí)別方法也可以降低醫(yī)生的誤診。傳統(tǒng)圖像識(shí)別的工作流程分為圖像采集、圖像預(yù)處理、特征提取匹配和圖像識(shí)別[2]。受乳腺腫瘤病理圖像采集清晰度的限制，傳統(tǒng)乳腺腫瘤病理圖像識(shí)別存在錯(cuò)誤率高的問題，針對(duì)該問題，本研究引入影像學(xué)理論和機(jī)器視覺技術(shù)，將其應(yīng)用到乳腺腫瘤病理圖像的識(shí)別工作中，以期降低圖像識(shí)別錯(cuò)誤率，實(shí)現(xiàn)對(duì)乳腺腫瘤病理圖像識(shí)別方法的優(yōu)化設(shè)計(jì)。

2 病理圖像識(shí)別方法設(shè)計(jì)

本研究乳腺腫瘤病理圖像的識(shí)別原理是結(jié)合影像學(xué)的分析結(jié)果，確定乳腺腫瘤疾病的病理特征，利用機(jī)器視覺技術(shù)收集患者的乳腺病理初始圖像，經(jīng)過一系列處理得出對(duì)應(yīng)的特征提取結(jié)果[3]。將圖像的提取特征與乳腺腫瘤疾病的病理特征做比對(duì)，并計(jì)算兩者之間的相似度，從而判斷患者是否患有乳腺腫瘤疾病及疾病的發(fā)展變化狀態(tài)。

2.1 影像學(xué)分析腫瘤病理特征

乳腺腫瘤疾病的典型體征為乳腺腫塊，80%的乳腺腫瘤患者以乳腺腫塊首診，除此之外乳頭溢液、皮膚改變、腋窩淋巴結(jié)腫大等也是乳腺腫瘤基本的特征。本研究主要針對(duì)乳腺位置上的腫塊作為乳腺腫瘤病理圖像的識(shí)別特征。根據(jù)醫(yī)學(xué)上乳腺腫瘤的聲像圖表現(xiàn)特征，乳腺腫塊形態(tài)回聲類型可以分為巨塊型、結(jié)節(jié)型和彌漫型三類。其中，巨塊型乳腺腫塊邊界清晰、形態(tài)較為規(guī)則，其外周常顯示有聲暈存在。結(jié)節(jié)型直徑多在2～5 cm之間，腫瘤邊界不甚清晰，其外周可以出現(xiàn)不典型聲暈或有較薄的不完整高回聲帶包繞。彌漫型就是腫瘤數(shù)目眾多呈彌漫散布于整個(gè)乳腺，這種類型的結(jié)節(jié)較小[4]。乳腺腫瘤分為良性和惡性兩種類型，其中良性腫瘤的細(xì)胞核基本上為橢圓型或類圓形，且細(xì)胞邊緣較為平滑，形狀大小較為一致，胞漿豐富，染色質(zhì)細(xì)致、紋理清晰，分布較為均勻。相反惡性腫瘤會(huì)存在不規(guī)則或畸形的情況，邊緣出現(xiàn)突刺，平滑度較低，細(xì)胞核大于普通細(xì)胞核，體積一般為正常類型的一至四倍，數(shù)量增多，染色加深且紋理不均。

2.2 利用機(jī)器視覺技術(shù)采集病理圖像

病理圖像采集設(shè)備主要分為圖像采集卡、運(yùn)動(dòng)控制部分和視覺系統(tǒng)三個(gè)部分。其中，圖像采集卡的內(nèi)部結(jié)構(gòu)，見圖1。

機(jī)器視覺涉及到照明、光電和高精度電機(jī)技術(shù)，因此，需要安裝光源、攝像機(jī)、伺服電機(jī)等設(shè)備。其中，光源設(shè)備的選擇，需要綜合考慮光纖的均勻度、光照強(qiáng)度、發(fā)光效率以及使用壽命等多種因素，最大程度地顯示目標(biāo)物體的特征量[5]。攝像機(jī)設(shè)備選擇的是松下CP450 型彩色 CCD攝像頭，安裝攝像機(jī)的基本物理參數(shù)見表1。

圖1 機(jī)器視覺圖像采集卡結(jié)構(gòu)圖

表1 機(jī)器視覺中攝像機(jī)的物理參數(shù)

表2 機(jī)器視覺中運(yùn)動(dòng)控制設(shè)備選型

在采集乳腺腫瘤病理圖像過程中，將目標(biāo)位置放置在攝像范圍內(nèi)，攝像機(jī)在運(yùn)動(dòng)控制硬件的驅(qū)動(dòng)控制下，到達(dá)合適的拍攝位置，采集到乳腺腫瘤病理圖像。

2.3 圖像預(yù)處理

利用機(jī)器視覺設(shè)備取得乳腺腫瘤的病理初始圖像，但受到采集環(huán)境以及操作等多種因素的影響，初始采集的圖像不能直接進(jìn)行識(shí)別處理，需要經(jīng)過色度轉(zhuǎn)換、平滑處理、均值濾波等多個(gè)步驟對(duì)初始圖像進(jìn)行預(yù)處理。

2.3.1色度轉(zhuǎn)換 機(jī)器視覺成像設(shè)備生成的圖像大部分為彩色圖像，信息量大，但在醫(yī)學(xué)病理的研究方面價(jià)值不大，在預(yù)處理時(shí)，需要將待處理的彩色圖像進(jìn)行灰度化處理，實(shí)現(xiàn)圖像的色度轉(zhuǎn)換。采用圖像色度和明度分離的方式，保留反映病理圖像本質(zhì)特征的色度并進(jìn)行聚類分析，具體的操作過程可以表示為：

(1)

其中，r、g和b分別表示的是乳腺腫瘤病理初始圖像中紅、綠、藍(lán)的色度坐標(biāo)值。

2.3.2平滑處理 圖像平滑處理的目的是減少和抑制圖像噪聲，并盡量保留圖像中的細(xì)節(jié)特征[7]。假設(shè)線性機(jī)器視覺系統(tǒng)的單位樣本響應(yīng)為h(n)，若輸入一個(gè)隨機(jī)信號(hào)x(n)，且隨機(jī)信號(hào)滿足式(2)表示的關(guān)系式，則可以得出對(duì)應(yīng)的輸出表達(dá)式(3)。

x(n)=s(n)+v(n)

(2)

其中，s(n)和v(n)分別表示的是乳腺腫瘤病理圖像信號(hào)和噪聲信號(hào)，得出的輸出表達(dá)式為：

y(n)=h(n)*x(n)=h(n)*[s(n)+v(n)]

(3)

隨機(jī)信號(hào)通過機(jī)器視覺圖像采集系統(tǒng)后，得到的y(n)越接近s(n)，其均方差越小，均方差的計(jì)算表達(dá)式為：

隨著互聯(lián)網(wǎng)金融的快速發(fā)展、大學(xué)生網(wǎng)絡(luò)借貸平臺(tái)迅速興起。本文通過調(diào)查問卷的方式，以大學(xué)生群體為主要對(duì)象，了解大學(xué)生對(duì)網(wǎng)絡(luò)借貸平臺(tái)的認(rèn)知和使用現(xiàn)狀。并通過深入的實(shí)證分析得出大學(xué)生的家庭收入、每月生活費(fèi)水平和網(wǎng)絡(luò)借貸平臺(tái)的安全性是影響大學(xué)生對(duì)借貸平臺(tái)選擇的因素。大學(xué)生首先應(yīng)該量入為出、適度消費(fèi)，合理規(guī)劃每月收入和支出，確保對(duì)網(wǎng)絡(luò)借貸平臺(tái)的使用不會(huì)影響自身的學(xué)習(xí)和生活。其次，應(yīng)該盡量選擇信譽(yù)好、安全性高的網(wǎng)絡(luò)借貸平臺(tái)，降低網(wǎng)絡(luò)借貸平臺(tái)使用風(fēng)險(xiǎn)。

e2=E{[s(n)-y(n)]2}

(4)

其中，E{·}表示的是期望值。由此便實(shí)現(xiàn)了對(duì)一組一維信號(hào)的平滑處理[8]。在實(shí)際的圖像處理過程中，用G表示采集的初始病理圖像，平滑處理后輸出的圖像可以表示為：

(5)

通過初始病理圖像和輸出圖像之間的像素局部均值和方差實(shí)現(xiàn)對(duì)圖像的濾波處理，并得出平滑處理結(jié)果。

2.3.3圖像增強(qiáng) 病理圖像的增強(qiáng)處理直接關(guān)系到乳腺腫瘤細(xì)節(jié)的增強(qiáng)，在一定意義上能反映整個(gè)乳腺紋理信息。定義圖像的對(duì)比度用C(x,y)來表示，對(duì)應(yīng)表達(dá)式為：

(6)

其中，uf(x,y)表示的是乳腺腫瘤的紋理信息，表示為：

(7)

式(7)中σ(x,y)為權(quán)值函數(shù)[9]。通過對(duì)乳腺腫瘤病理采集圖像的一系列預(yù)處理，處理前后的對(duì)比情況，見圖2。

圖2 預(yù)處理前后乳腺腫瘤病理圖像示意圖

2.4 圖像分割

在乳腺腫瘤病理圖像預(yù)處理輸出結(jié)果上，結(jié)合乳腺腫瘤的特性計(jì)算圖像中的紋理域和亮度域的邊緣置信圖，得到腫瘤區(qū)域的邊緣，沿著腫瘤邊緣實(shí)現(xiàn)對(duì)乳腺腫瘤病理圖像的分割處理。計(jì)算腫瘤紋理域的邊緣置信圖的過程，見式(8)：

(8)

同理可以得出病理圖像的亮度域。接著確定乳腺腫瘤區(qū)域的邊緣起點(diǎn)，起點(diǎn)位置為置信圖首行中最大值所在的位置，即：

(9)

由邊緣起點(diǎn)(H(1)，1)和置信圖，通過遞推方式得到其他邊緣點(diǎn)[10]。假設(shè)第i行的腫瘤邊緣點(diǎn)坐標(biāo)為(H(i)，i)，則第i+1行邊緣點(diǎn)為Map(x,i+1)最大值所處的位置，具體的計(jì)算過程可以表示為：

(10)

其中，r為乳腺腫瘤病理圖像中乳腺腫瘤的鄰域半徑。沿著得出的邊緣檢測(cè)結(jié)果進(jìn)行圖像分割，并得出對(duì)應(yīng)的處理結(jié)果。

2.5 圖像特征提取

相比于自然圖像，病理圖像具有一定的啟發(fā)式特征，在乳腺腫瘤的識(shí)別和分類中，可以觀察良性和惡性腫瘤圖像在細(xì)胞核中的數(shù)量、大小、分布情況以及染色質(zhì)紋理上存在的差異，通過對(duì)病理圖像中邊緣、紋理、形狀等特征的提取，將提取結(jié)果與乳腺腫瘤的影像學(xué)病理特征做對(duì)比，便可實(shí)現(xiàn)對(duì)乳腺腫瘤病理圖像的識(shí)別[11]。其中，邊緣特征可直接提取圖像分割過程中得出的分割線。以乳腺腫瘤病理圖像的形狀特征為例，可以由目標(biāo)對(duì)象邊界所包含的像素?cái)?shù)計(jì)算得出，假設(shè)病理圖像中目標(biāo)區(qū)域的長(zhǎng)和寬分別為M和N，則腫瘤的面積特征為：

(11)

其中，B(i,j)表示的是圖像的像素值。另外腫瘤中心的位置坐標(biāo)可以用式(12)計(jì)算。

(12)

其中，dx和dy分別為病理圖像中腫瘤部分左上角頂點(diǎn)的橫縱坐標(biāo)。綜合面積特征向量以及位置特征向量，可以得出病理圖像形狀特征的提取結(jié)果，同理，可得出圖像的紋理特征。綜合所有特征的提取結(jié)果，整合成特征向量的形式輸出。

2.6 圖像識(shí)別

將乳腺腫瘤的影像學(xué)特征與采集并處理完成的病理圖像進(jìn)行相似性計(jì)算，實(shí)現(xiàn)特征的匹配與識(shí)別。將乳腺腫瘤的影像學(xué)圖像記為X1，采集的病理圖像為X2，則全局相似性的計(jì)算公式為：

(13)

其中，A1和A2是圖像X1和X2的特征向量[12]。設(shè)置相似度闕值為η，若計(jì)算得出的d(X1,X2)大于η，則證明該圖像為乳腺腫瘤病理圖像，且乳腺腫瘤為惡性，否則證明采集的圖像為普通圖像或乳腺腫瘤為良性的圖像。

3 識(shí)別性能測(cè)試實(shí)驗(yàn)分析

為測(cè)試本研究設(shè)計(jì)的基于影像學(xué)機(jī)器視覺的乳腺腫瘤病理圖像識(shí)別方法的應(yīng)用性能，設(shè)計(jì)對(duì)比實(shí)驗(yàn)，其主要測(cè)試指標(biāo)為識(shí)別的錯(cuò)誤率，為保證實(shí)驗(yàn)結(jié)果的可信度，采取多次實(shí)驗(yàn)取平均值的方式，得出更加精準(zhǔn)的測(cè)試結(jié)果。

3.1 患者臨床資料

收集某市所有經(jīng)過穿刺或手術(shù)病理結(jié)果證實(shí)為乳腺腫瘤患者共400例，并嚴(yán)格按照納入及排除標(biāo)準(zhǔn)，篩選入組病例。實(shí)驗(yàn)對(duì)象的排除標(biāo)準(zhǔn)是既往有乳腺手術(shù)、化療、放療或靶向治療史的患者，最終確定380例患者納入本研究。

3.2 準(zhǔn)備病理圖像數(shù)據(jù)集

乳腺腫瘤病理圖像的數(shù)據(jù)集是為圖像的識(shí)別提供標(biāo)準(zhǔn)數(shù)據(jù)。本研究采用的乳腺圖像包括mini-MIAS數(shù)據(jù)庫、DDSM數(shù)據(jù)庫和北京大學(xué)人民醫(yī)院乳腺中心提供的乳腺圖像，其中數(shù)據(jù)集中的部分圖像見圖3。

3.3 識(shí)別性能測(cè)試過程

測(cè)試實(shí)驗(yàn)中，實(shí)驗(yàn)對(duì)象除了設(shè)置的乳腺腫瘤患者之外，還包含120例具有乳腺疾病但無乳腺腫瘤疾病的患者以及無乳腺疾病的健康者。將實(shí)驗(yàn)對(duì)象隨機(jī)分為8組，每組至少50例，但每組中乳腺腫瘤患者數(shù)量不固定。通過機(jī)器視覺的圖像采集、影像學(xué)分析、圖像處理、特征提取與匹配等多個(gè)步驟，得出最終的識(shí)別結(jié)果見圖4。

對(duì)比實(shí)驗(yàn)中，除本研究方法之外，還設(shè)置了傳統(tǒng)的圖像識(shí)別方法和文獻(xiàn)[12]提出的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法。

3.4 識(shí)別性能測(cè)試結(jié)果分析

通過與設(shè)置數(shù)據(jù)進(jìn)行對(duì)比得出的測(cè)試結(jié)果，見表3。

圖3 數(shù)據(jù)集中部分乳腺圖像

圖4 乳腺腫瘤病理圖像識(shí)別結(jié)果輸出界面

表3 識(shí)別性能測(cè)試對(duì)比結(jié)果

通過對(duì)表3中數(shù)據(jù)的對(duì)比分析，發(fā)現(xiàn)傳統(tǒng)識(shí)別方法中識(shí)別錯(cuò)誤的數(shù)量為17例，文獻(xiàn)[12]識(shí)別方法和本研究方法的識(shí)別錯(cuò)誤數(shù)量分別為11例和4例。由此可以算出，傳統(tǒng)識(shí)別方法和文獻(xiàn)[12]提出的識(shí)別方法的識(shí)別錯(cuò)誤率分別為3.4%和2.2%，而本研究識(shí)別方法的錯(cuò)誤率為0.8%。

4 結(jié)束語

乳腺腫瘤是女性發(fā)病率較高的疾病之一，乳腺腫瘤早期可以通過治療得以治愈，腫瘤發(fā)現(xiàn)的越晚，治愈的可能性越低。本研究設(shè)計(jì)開發(fā)的基于影像學(xué)機(jī)器視覺的乳腺腫瘤病理圖像識(shí)別方法，可以在提高乳腺腫瘤識(shí)別精準(zhǔn)度的同時(shí)，加快識(shí)別速度。因此，在臨床工作中具有較高的應(yīng)用價(jià)值。