2. 湖北省中山医院细胞室;
3. 解放军第457医院超声科
肝脏肿瘤、肝血管瘤和肝囊肿是肝脏常见疾 病。彩色多普勒主要根据病灶的内部回声、大小 形态及边界等显像图特征来进行诊断和鉴别诊 断。医学图像识别目前已运用于医学不同学科, 例如:X线[1,2]及细胞图像[3,4]的识别;超声图像分 析判别冠状动脉的厚度[5,6]。这些技术提高了医生 的诊断水平,有利于疾病的治疗。医生多依靠超 声图像来诊断疾病,对图像特征的研究较少,因 此本研究试用多普勒图像的特征值来判别肝脏不 同病变的性质。 1 资料与方法 1.1 病例资料
收集武汉市东湖医院和武汉空军医院2007年 元月至2012年12月期间住院和门诊病例174例。女 性66例,年龄在24~78岁之间,平均年龄53岁。这 些病例通过追踪或多次检查为确诊病例。 1.2 方法与仪器
将病例分为两组,第一组18例,肝癌、肝血 管瘤和肝囊肿各6例,进行多普勒显像特征值测定 和提取。第二组156例,肝癌34例,肝血管瘤49例 和肝囊肿73例,用形态和灰度特征值检验。
采用飞利浦HD11XE彩色多普勒超声诊断仪, 凸阵探头,频率多选用3.5 MHz ,逐一扫查肝脏 各个切面,发现病灶后,对不同患者试用相同部 位、相同切面等条件相似情况下记录病灶大小、 形态、边界、内部回声等。用Matlab图像软件系统 分割病灶部位,然后计算出图像上的七个特征值 分别表示第一组病例图像的形态(半径标准差、偏心率和半径标准差)和图像灰度及纹理(信息 熵、信息能量、均值性和灰度标准差)。 1.3 统计学方法
用平均值和标准差统计第一组病例七种特征 值,用SPSS13.0软件统计三种病变特征值之间的差 别。用t独立检验,P<0.05表示差异有统计学意义。 2 结果
第一组病例多普勒图像参入特征值计算,先将 图像进行分割,每种病种6例进行七种特征值的计 算,计算出各病种的平均值和标准差,见表 1。
用t独立检验方法检验三种肝病图像特征值 之间的差别。血管瘤灰度标准差明显较囊肿增高 (t=-11.001,P=0.0002);囊肿与肝癌病例相比, 半径标准差(t=-2.468,P=0.049)和灰度标准差 (t=-4.781,P=0.005)明显偏低;肝癌病例的半径 标准差明显高于肝血管瘤(t=-2.788,P=0.038), 其他特征值没有明显差别,见图 1。
将肝囊肿的半径标准差和灰度标准差的平均 值增大30%,即半径标准差由4.44变成5.77,而灰度 标准差由5.94变成7.72。以这两个数据为标准来检 验第二组病例发现34例肝癌灰度标准差和半径标 准差均大于两个标准的肝癌病例为27例,占79.4% (27/34)。49例肝血管瘤灰度标准差均大于7.72, 而半径标准差小于5.77的病例为41例,占83.6%(41/49)。73例肝囊肿半径标准差和灰度标准差均 小于两个标准的病例为63例,占有86.3%(63/73)。 3 讨论
通过对三种肝脏疾病多普勒超声图像进行形 态学和灰度特征值的测定:发现三种病变在某些 特征值之间存在着显著性差别。形态学特征值半 径标准差反映了圆形的趋势,即形态愈圆其标准 差愈小;形态愈不规范其标准差愈大。肝囊肿和 肝血管瘤的半径标准差明显较肝癌病例的小。灰 度标准差反映了病灶内灰度的变化,质地不均、 纹理变化大的病变,灰度标准差大;而质地均匀、 较少纹理的灰度标准差小;因此肝血管瘤和肝癌病 例的灰度标准差明显较肝囊肿高。
本研究以平均半径标准差值(5.77)和灰度标 准差值(7.72)为标准,检验这三种病例发现: 79.4%肝癌病例的半径标准差和灰度标准差均大于 这两个标准;83.6%肝血管瘤病例均低于半径标准 差5.77和高于灰度标准差7.72;86.3%肝囊肿病例 均低于这两个标准。
借助于医学图像的特征值来判别不同的病变 已广泛地运用于医学临床。乳腺良恶性病例的X线图像进行特征值统计,做出数学模型而用于鉴 别诊断乳腺良恶性病变[1,2]。将不同宫颈细胞进行 DAN含量和形态学统计,发现细胞核大小及细胞 核内纹理改变与细胞良恶性有关。图像分析系统 已广泛运用于国内外宫颈细胞学诊断[3,4]。这样可 提高医生的诊断水平和降低医生的劳动强度。目 前,有人用多普勒超声图像的特征值分析冠状动 脉管壁上的厚度[5,6]。也有人用不同的超声图像技 术诊断肝脏疾病[7,8]。本研究尝试用图像分析的方 法,分析不同肝脏病变的图像特征值,用这些特 征值来判别肝脏病变的性质。
总之,对肝癌、肝血管瘤和肝囊肿病例多普 勒超声图像进行特征值的分析,发现半径标准差 和灰度标准差二种特征值可用于判别这三种病 变。为了让图像分析技术运用于多普勒超声诊 断,除了上述二个特征值外,需要进一步地深入 研究更多可区别肝脏包块性质的特征值。
[1] | Perez-Ponce H,Daul C, Wolf D, et al. Validation of a digital mammographic unit model for an objective and highly automated clinical image quality assessment[J].Med Eng Phys, 2013,35(8):1089-96. |
[2] | Perez-Ponce H, Daul C, Wolf D, et al. Computation of realistic virtual phantom images for an objective lesion detectability assessment in digital mammography[J]. Med Eng Phys, 2011,33(10):1276-86. |
[3] | Li G, Guillaud M, Follen M, et al.Double staining cytologic samples with quantitative Feulgen-thionin and anti-Ki-67 immunocytochemistry as a method of distinguishing cells with abnormal DNA content from normal cycling cells [J]. Anal Quant Cytol Histol, 2012,34(5):273-84. |
[4] | Colditz GA, Crowley J. DNA cytometry testing for cervical cancer screening: approaches and reporting standards for new technologies[J].Clin Cancer Res, 2011,17(22):6971-2. |
[5] | Cheng X, Zhou Y, Jin Y, et al. Intima-medial thickness homogeneity in the common carotid artery: measurement method and preliminary clinical study[J]. J Clin Ultrasound,2012,40(9):559-65. |
[6] | Ellis SM, Naoumova RP, Neuwirth CK,et al. Measurement of the reflectivity of the intima-medial layer of the common carotid artery improves the discriminatory value of intima-medial thickness measurement as a predictor of risk of atherosclerotic disease[J]. UltrasoundMed Biol,2007,33(7):1029-38. |
[7] | Yazgan C, Akata D, Ozmen M, et al.Precision imaging of focal liver lesions: comparison with conventional sonography in terms of imagequality[J].J Ultrasound Med, 2013 ,32(8):1405-10. |
[8] | Gessner RC, Hanson AD, Feingold S, et al. Functional ultrasound imaging for assessment of extracellular matrix scaffolds used for liverorganoid formation[J] . Biomaterials,2013,34(37):9341-51. |