分析超声图像乳腺肿瘤自动检测及良恶性判别

刘雅楠，李靖宇，唐丽，张春辉，邹鹤，赵添羽，黄程程

（1.齐齐哈尔医学院 医学技术学院，黑龙江 齐齐哈尔 161006；2.齐齐哈尔建华医院 乳腺彩超室，黑龙江 齐齐哈尔 161006）

0 引言

乳腺肿瘤是女性最常见的一种恶性肿瘤，虽然我国在世界上属于乳腺癌低发病率国家，但伴随着社会经济的发展、生活方式的巨大调整，乳腺癌患病率有逐年上升的趋势，发病率明显高于欧美国家[1]。针对乳腺癌，临床尚未研发有效的防治方法，早期诊断、及时治疗，是提升患者生存率的唯一方法。针对乳腺肿瘤的早期检测手段，以触诊、钼靶线摄片、磁共振及超声检查等为主。超声图像是以超声物理特性为基础，利用机体器官组织声学性质的差异性而形成不同反射与衰减，以波形、曲线或图像为载体呈现与记录，进而实现对疾病的诊断。伴随着红外扫描、红外扫描等融合图像的发展进步，人们更关注多种诊断手段的应用效果，其有助于提升乳腺肿瘤检测与判别的正确性。

1 资料与方法

1.1 一般资料

取2016.4-2017.8 收治60 例乳腺肿瘤患者，所有病例均经术后病理组织检查确诊，均为女性，其中恶性肿瘤（组）29 例，年龄37～67 岁，平均（49.32±6.22）岁；病理类型：浸润性导管癌19 例，髓样生癌6 例，乳头状部4 例。良性肿瘤（组）31 例，年龄36～66 岁，平均（49.59±6.25）岁；病理类型：纤维腺瘤23 例，增生结节5 例，导管内乳头状3 例。两组患者以上资料经比较，无明显差异（P＞0.05）。

1.2 方法

选用美国通用GE730 型超声诊断仪，SP6 变频，12MHz。检查期间患者保持仰卧位，最大限度的外显乳腺及腋窝，收集肿瘤图像，将其整合至DFY-II超声图像分析仪内，在提取特征参数之前，先截取保存在计算机内肿瘤局部感兴趣区，感兴趣区大小恒定却形状均是矩形，像素为64×64。检测收缩期PSV(峰值血流速度)、RI(阻力指数)、灰度均值、边缘不规则等特征参数。血流速度依照相关文献分为0-III 级。0 级：未观察到血流信号；I 级：可观察到血流信号；II 级：可观察到一条主要血管，血流为中量；III 级：观察到的血管数目＞4 条，血流丰富。灰度均值（M）用于标识感兴趣区中各点灰度值的平均数，公式灰度均值与回声存在正比关系。扭曲度（S）用于表示灰度值的对称性，公式：在以上两式中，L：图像可区分的灰度级数；p（r）：灰度为r 的概率；r：像素值[2]。

1.3 统计学处理

采用算法编程处理函数计算良恶性患者超声图像的特性参数，SPSS 16.0 软件包对处理实验数据，表示计量资料，独立样本t 检验。差异检测标准：P=0.05。

2 结果

2.1 良恶性乳腺肿瘤超声图像参数对比

恶性组PSV、RI、灰度均值、扭曲度、边缘不规则参数高于良性组，差异均存在较明显的统计学意义（P＜0.05）。见表1。

表1 良恶性乳腺肿瘤超声图像参数对比

表1 良恶性乳腺肿瘤超声图像参数对比

组别（n） PSV RI 灰度均值（M）扭曲度(S) 边缘不规则恶性组（29）21.16±8.34 0.86±0.09 83.24±9.32 0.87±0.48 1.26±0.12良性组（31）13.14±6.55 0.66±0.24 58.97±8.44 0.22±0.07 0.96±0.05 t 6.254 4.250 8.574 5.247 3.214 P 0.001 0.017 0.000 0.024 0.044

2.2 良恶性乳腺肿瘤超声特征对比

两组患者在血流分型、RI（以0.7 为分界点）、PSV（以15 为分界点）诊断上均存在较明显差异（P＜0.05）。见表2。

3 讨论

超声检测是在上个世纪中叶建设的，70 年代在临床上有广泛应用，其整体发展趋势是从静态向动态图像（即快速图像）发展的，从二维图像向三维图像领域“进军”，力争获得专一性、特异性的超声信号，进而实现定量化、特异性诊断的目标。在乳腺肿瘤的临床诊断中，多应用二维B 型超声成像技术。和触诊、钼靶线摄片两种常规检查手段相比较，超声成像检查无需切片检查、实现无创性诊断；成像快速、能实时成像；检查费用相对低廉；可重复性优良，适用于亚洲女性致密型乳房的监测，故此可较明显的提升检查的特异性[3]。当下临床针对良恶性乳腺肿瘤超声诊断标准的研究不断加深，基本上以临床医生主观判断、目测及临床经验为主，缺乏量化指标，此时肿瘤良恶性诊断的难度相应增加。

伴随科技的进步，临床医学超声检查技术也得到相应发展，在乳腺肿瘤超声检查中，若能积极应用计算机辅助诊断系统，能实现扬长避短，进而提升疾病临床诊断的正确率。将超声图像乳腺肿瘤自动检测应用于肿瘤感兴趣区检测中，其能直接从超声影像仪器内获取超声图像周边信息，并结合超声图像的特征，对其行形态学滤波处理，以真实的将乳腺组织成像信息、超声子图呈现出来，并进行去噪、对比度增强等处理，以进一步强化图像特征参数的清晰性[4]。提取预处理图像中纹理特征、灰度共生矩阵特征等信息，将部分信息导入自组织映射神经网络内进行分类处理，有助于提升算法效率，规避维数灾难。在对分类结果进行针对性筛选后，就可获得乳腺肿瘤超声图像。

在本次研究中，采用算法编程处理函数处理后，获得了PSV、RI、M、S、边缘不规则五项参数值，经统计学软件处理后明确了差异较大的参数值，并将其设为辨识良性肿瘤与恶性肿瘤的量化凭据。本研究结果表明，恶性组PSV、RI、灰度均值、扭曲度、边缘不规则参数均高于良性组（P＜0.05）；两组患者在 RI＞0.7、血流Ⅱ级、Ⅲ级、PSV＞15 诊断上均存在较明显差异（P＜0.05）。以上乳腺肿瘤特征参数能够为疾病临床定性诊断提供量化依据，进而有效弥补人为判断方面存在的不足。

回顾本次研究历程，笔者发现乳腺肿瘤的超声图像有斑点噪声、伪影、肿瘤形状复杂、边缘缺失、亮度不匀称等特征，这位常规各类感兴趣区提取算法在领域推广应用存在较大难度，例如整幅图像进行分水岭过分割法在应用期间，计算耗时长，难以明确合适区域合并的各类条件，以致感兴趣区提取误差相对较大；此外，当肿瘤内含有与肿瘤类型的区段时，没有与之相对应肿瘤区域自动筛选机制的辅助[5]。而本次研究中，提出对乳腺肿瘤超声图像中感兴趣区采用自动检测法的建议，其通过提取超声图像纹理及像素点方位信息等特征参数，在神经网络内自组织映射分类器的协助下，获得乳腺癌超声图像内的感兴趣区，及乳腺肿瘤的所处方位。该检查方法有效规避了感兴趣的人工选择，能明显提升整个乳腺肿瘤的自动湖诊断程度，降低临床医生的工作量，并提升疾病诊断的精确度[6]。

表2 两组患者超声特征比较[n，(%)]

综上，超声图像自动检测能够为肿瘤定性判断提供更为客观的量化参数，联合检测能为肿瘤性质判断提供更精确信息，值得推广。