王 薇，張 冀

(1.武漢大學(xué)中南醫(yī)院綜合超聲科，2.醫(yī)學(xué)影像科，湖北 武漢 430070)

超聲造影(contrast-enhanced ultrasound, CEUS)可反映組織血流灌注情況，已用于肝、腎及腦等多種器官。定量分析CEUS圖像有助于克服肉眼觀察的主觀性[1]，提高鑒別診斷良、惡性肝腫瘤及其病理類型的準(zhǔn)確度[2-3]。CEUS檢查通常于患者平靜淺呼吸狀態(tài)下進(jìn)行，故呼吸運(yùn)動(dòng)校正是定量分析肝CEUS圖像的必要前提[4]。CEUS中多以支持造影圖像和組織灰階圖像的雙模式窗口觀察造影過程，基于雙模CEUS序列呼吸運(yùn)動(dòng)校正法的研究較多[4-9]。早期研究通過觀察兔肝VX2腫瘤的CEUS雙模序列建立了主成分分析(principal component analysis, PCA)呼吸運(yùn)動(dòng)模型，并提取呼吸運(yùn)動(dòng)信號，成功校正了兔肝CEUS序列[9]。本研究對上述呼吸運(yùn)動(dòng)校正方法[8-9]加以改進(jìn)，并觀察其用于肝雙模CEUS的價(jià)值。

1 資料與方法

1.1 一般資料 收集2016年8月—2019年6月11例就診于武漢大學(xué)中南醫(yī)院的肝臟腫瘤患者，男4例，女7例，年齡38～68歲，中位年齡52歲；腫瘤最大徑30～56 mm，平均(34.10±15.02)mm；包括肝內(nèi)膽管細(xì)胞癌1例，肝細(xì)胞癌1例，直腸癌肝轉(zhuǎn)移2例，肝海綿狀血管瘤7例。本研究獲院倫理委員會(huì)批準(zhǔn)。檢查前患者均簽署知情同意書。

1.2 儀器與方法 采用Philips IU22超聲診斷儀，L12-5線陣探頭，頻率3.5 MHz；或GE Logic E9超聲診斷儀，ML6-15線陣探頭，頻率3.5 MHz。囑患者平臥、規(guī)律淺呼吸，將探頭置于腹部，并連于自制機(jī)械支架固定裝置，掃查肝內(nèi)病灶，掃查深度14 cm，聚焦點(diǎn)置于12 cm處；之后將造影劑聲諾維(Brraco)與生理鹽水混合、振蕩，制成5 mg/ml乳狀微泡懸液，并經(jīng)肘部靜脈快速團(tuán)注2.4 ml，之后注入5 ml生理鹽水沖洗，采用脈沖反相諧波造影條件進(jìn)行造影，機(jī)械指數(shù)設(shè)為0.09，錄制動(dòng)態(tài)灌注過程約5 min，每秒7～10 幀。對11組錄像數(shù)據(jù)進(jìn)行編號，提取增強(qiáng)開始40～55 s的圖像。采用Matlab(The Mathworks Inc., Natick, MA)編寫所有程序。

1.3 呼吸運(yùn)動(dòng)校正算法 首先將采集到的肝臟腫瘤CEUS視頻轉(zhuǎn)換為圖像序列I，共含有N幀連續(xù)圖像，即I={In|n∈{1, …,N}}；基于灰階子圖像序列建立PCA模型，并以其主成分合成最佳呼吸運(yùn)動(dòng)曲線；CEUS中腫瘤信號強(qiáng)度變化通常分為上升期、峰期和下降期[8]，于峰期選取與呼吸曲線均值相位處最近的圖像作為參照圖，并于呼吸周期間隔內(nèi)選取與參照圖相位處最近的圖像作為校正后灰階圖像序列。見圖1。

圖1 呼吸運(yùn)動(dòng)校正算法流程圖

1.3.1 圖像預(yù)處理 將肝腫瘤CEUS視頻轉(zhuǎn)換為每秒7～10幀的動(dòng)態(tài)圖像序列，并通過核大小3×3的低通高斯濾波器(σ=1.50)，以降低斑點(diǎn)噪聲的影響[8]。

1.3.3 選取參照圖 參照文獻(xiàn)[8]方法，將ROI置于6例肝臟惡性腫瘤灌注區(qū)域及7例血管瘤患者肝內(nèi)非瘤區(qū)域，獲取其時(shí)間-強(qiáng)度曲線(time-intensity curve, TIC)；采用巴特沃斯低通濾波器過濾TIC的呼吸運(yùn)動(dòng)成分，得到平滑的血流灌注曲線(圖2)及大概峰值時(shí)間，通帶最大衰減值和阻帶最小衰減值分別為3 dB和30 dB[9]；以與所有圖像呼吸曲線幅度均值最近且距峰值圖<1 s的圖像為最佳參照圖(圖3)。

圖2 采用巴特沃斯濾波器處理前、后非瘤肝組織的TIC 圖3 呼吸運(yùn)動(dòng)曲線 紅點(diǎn)表示圖像，黃色*表示圖2中的峰值圖像，綠圈表示最佳參照圖 圖4 經(jīng)DFT后呼吸曲線頻譜 以峰值對應(yīng)頻率的倒數(shù)為時(shí)間間隔(箭)

1.3.4 挑選圖像 設(shè)定時(shí)間間隔m：m=N(0.5T)，其中T為呼吸周期，N取正整數(shù)[8]。選擇與參照圖相位最相近的呼吸曲線圖像作為校正后灰階圖像序列，并對合成的呼吸曲線行離散傅里葉變換(discrete Fourier transform, DFT)(圖4)，通過位置映射獲取對應(yīng)CEUS圖像序列。

1.4 TIC視覺評價(jià) 將10×10像素的ROI置于腫瘤周圍非瘤肝組織中，比較校正前、后增強(qiáng)序列于ROI中提取TIC的光滑度。

1.5 定量分析

1.5.1 圖像相關(guān)系數(shù)(correlation coefficient, CC) 以CC為兩幅圖像的相似性測度，即：

(1)

計(jì)算校正前、后灰階圖像序列中待測圖像與參照圖的CC平均值(mean CC, MCC)，即：

(2)

式中，I為待測序列中的圖像，R為參照圖，i為圖像序數(shù)，N為圖像序列數(shù)目。

1.5.2 TIC偏差值(deviation value, DV) 采用TIC擬合殘差評價(jià)擬合質(zhì)量，如DV過高，則曲線擬合質(zhì)量下降，即相關(guān)灌注參數(shù)不可靠；其曲線擬合所用數(shù)學(xué)灌注模型為[8]：

(3)

式中，O、A、m、s均為擬合參數(shù)，其中，O是偏移值，A是幅度參數(shù)，m和s分別是均值和正態(tài)分布自然對數(shù)t的標(biāo)準(zhǔn)差。

TIC的DV為觀測值C(t)與對應(yīng)擬合曲線Cf(t)之間的差異，即：

(4)

式中，SSR為殘差平方和，計(jì)算方式如下：

(5)

式中，N是采樣點(diǎn)數(shù)，t是采樣點(diǎn)索引值。

1.5.3 圖像結(jié)構(gòu)相似度(structural similarity, SSIM) 采用結(jié)構(gòu)信息評價(jià)校正前、后灰階圖像序列中參照圖與待測圖像的相似度，假設(shè)x、y分別為參照圖和待測圖像，2幅圖像之間的SSIM為[10]：

SSIM(x,y)=[l(x,y)]αg[c(x,y)]βg[s(x,y)]γ

(6)

式中，l(x,y)、c(x,y)和s(x,y)分別為亮度比較函數(shù)、對比度比較函數(shù)和結(jié)構(gòu)相似度比較函數(shù)[公式(7)、(8)和(9)]；α、β和γ分別用以調(diào)整亮度、對比度和結(jié)構(gòu)信息函數(shù)的權(quán)重關(guān)系。

(7)

(8)

(9)

式中，μx和μy分別為x和y亮度的均值，σx和σy分別為x和y亮度的標(biāo)準(zhǔn)差，σxy表示x和y亮度的協(xié)方差，C1、C2和C3均為值很小的正常數(shù)，以避免公式(6)中分母為0而出現(xiàn)不穩(wěn)定。

當(dāng)α=β=γ=1且C3=C2/2時(shí)，公式(6)可簡化為：

(10)

采用11×11像素窗口逐像素在參照圖和待測圖像上移動(dòng)，計(jì)算所有圖像塊平均SSIM(mean SSIM, MSSIM)，即：

(11)

式中，X和Y分別代表參照圖和待測圖像，xi和yi表示第i個(gè)子圖像，M為子圖像總數(shù)。先計(jì)算校正前后圖像中參考圖像與其他圖像的MSSIM，然后再取校正前后灰度圖像序列所有MSSIM的均值(total MSSIM, TMSSIM)。

1.6 統(tǒng)計(jì)學(xué)分析 采用SPSS 23.0統(tǒng)計(jì)分析軟件。以Kolmogorov-Smirnov法行正態(tài)性檢驗(yàn)，以±s表示符合正態(tài)分布的計(jì)量資料，采用獨(dú)立樣本t檢驗(yàn)；以中位數(shù)(上下四分位數(shù))表示不符合正態(tài)分布的計(jì)量資料，行Mann-WhitneyU檢驗(yàn)。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

校正前，于CEUS圖像序列ROI中提取的TIC隨呼吸頻率振蕩明顯；校正后，灰階圖像序列和對應(yīng)CEUS圖像序列中腫瘤基本位于圖像中心，且提取的TIC較平滑,利于根據(jù)血流灌注模型進(jìn)行曲線擬合。見圖5。

圖5 患者女，45歲，肝海綿狀血管瘤 A.參照圖像； B.校正后的灰階圖像序列； C.對應(yīng)CEUS圖像序列； D.校正前、后自CEUS圖像序列ROI中提取的TIC(藍(lán)線：校正前TIC；紅線：校正后TIC；黃圈：校正后圖像ROI的TIC信號)

校正后，圖像序列TMSSIM和MCC均明顯大于校正前(P均<0.05)，DV則明顯小于校正前(P<0.05)；即灰階圖像序列中圖像TMSSIM明顯增加，校正后圖像序列相關(guān)性明顯提高，且校正后CEUS圖像序列TIC擬合度明顯提高。見表1。

表1 校正前、后圖像序列的TMSSIM、DV和MCC比較

3 討論

選擇參照圖是呼吸運(yùn)動(dòng)校正的關(guān)鍵步驟之一。既往研究[5-6]多手動(dòng)任意選擇含有腫瘤層面的圖像作為參照圖，并于呼吸周期內(nèi)挑選與參照圖相關(guān)性最大的圖像作為校正后圖像序列；由于呼吸幅度不一致，且手持超聲探頭可能偏移而影響數(shù)據(jù)，采用上述方法無法確保選出圖像中與參照圖相似度高者占比最多[8]。ZHANG等[8]采用拉普拉斯特征映射法將原始高維超聲灰階圖像降至二維，以K-means法聚類分析獲取參照圖，并根據(jù)手持探頭偏移情況估計(jì)聚類數(shù)目。為減少探頭偏移，本研究以夾持探頭裝置和自由機(jī)械臂制成超聲探頭支架，以此將探頭固定于患者腹部，并囑患者盡可能均勻呼吸，以減少呼吸曲線偏移成分，提高PCA模型的準(zhǔn)確性；以腫瘤某一層面為中心，采集自由呼吸運(yùn)動(dòng)數(shù)據(jù)，為減少平面外圖像數(shù)量，以呼吸曲線幅度均值相位處、靠近腫瘤中心層面的圖像作為參照圖，可使與參照圖相似度高的圖像數(shù)達(dá)到最大值。

采用PCA分析數(shù)據(jù)時(shí)，對于合成呼吸曲線的主成分個(gè)數(shù)目前仍處于探索中。CHEN等[11]采用PCA模型，以3個(gè)主成分描述接受放射治療患者的肺部呼吸運(yùn)動(dòng)軌跡。ZHANG等[8]分析18個(gè)兔肝VX2腫瘤的CEUS數(shù)據(jù)主成分，發(fā)現(xiàn)其中10個(gè)為含2個(gè)主成分、8個(gè)為含3個(gè)主成分的合成呼吸曲線。本研究分析11例肝臟腫瘤CEUS數(shù)據(jù)主成分，發(fā)現(xiàn)9例為含2個(gè)主成分、2例為含3個(gè)主成分的合成呼吸曲線，結(jié)合既往研究結(jié)果，可認(rèn)為合成呼吸曲線的主要主成分?jǐn)?shù)目一般不超過3個(gè)。本研究校正后圖像序列的TMSSIM和MCC均明顯大于校正前，而其DV明顯小于校正前，表明校正后圖像質(zhì)量得以提高；2例校正前、后DV相差6倍以上，且采集的觀測面可見腫瘤由內(nèi)向外往返運(yùn)動(dòng)，其余9例則見腫瘤由左向右往返運(yùn)動(dòng)；最大徑小于3 cm腫瘤由內(nèi)向外運(yùn)動(dòng)時(shí)更易出現(xiàn)平面外圖像，而當(dāng)腫瘤較大、即腫瘤觀測層面較多時(shí)，平面外圖像出現(xiàn)率有所降低，提示應(yīng)盡量調(diào)整探頭，于腫瘤左右運(yùn)動(dòng)層面進(jìn)行觀測并采集數(shù)據(jù)。

綜上所述，本研究采用基于PCA模型的改良呼吸運(yùn)動(dòng)校正法，無需參數(shù)即可選擇參照圖，用于肝臟雙模CEUS圖像序列具有一定臨床價(jià)值。但本研究樣本量小，且主要針對可規(guī)律、平穩(wěn)呼吸的患者，對所獲結(jié)論有待進(jìn)一步驗(yàn)證。