基于小波變換的高強度聚焦超聲消融兔VX2乳腺腫瘤聲像圖紋理分析

閔加艷，鄒建中，郭宇，王冬

（1.重慶醫科大學生物醫學工程學院，省部共建超聲醫學工程國家重點實驗室，超聲醫學工程重慶市市級重點實驗室，重慶 400016；2.第三軍醫大學新橋醫院超聲科，重慶 400037）

基于小波變換的高強度聚焦超聲消融兔VX2乳腺腫瘤聲像圖紋理分析

閔加艷1，鄒建中1，郭宇1，王冬2

（1.重慶醫科大學生物醫學工程學院，省部共建超聲醫學工程國家重點實驗室，超聲醫學工程重慶市市級重點實驗室，重慶 400016；2.第三軍醫大學新橋醫院超聲科，重慶 400037）

目的探討高強度聚焦超聲（HIFU）治療過程中多分辨率小波分析紋理參數對凝固性壞死的判斷，提高超聲監控判斷凝固性壞死的靈敏度。方法 HIFU輻照在體新西蘭大白兔VX2乳腺腫瘤，按輻照強度分為90W、120W、150W 3組（每組40只），輻照時間均為3s。采集輻照前后的聲像圖，通過小波變換提取聲像圖紋理參數，使用支撐適量機建立決策平面，分析樣本。結果 利用小波變換提取聲像圖紋理參數對HIFU消融組織凝固性壞死的判斷高于灰度評價，且差異具有統計學意義（P<0.05）。結論與灰度評價相比，利用小波變換紋理分析對凝固性壞死判斷的準確性和敏感度更高。

高強度聚焦超聲；凝固性壞死；紋理分析

乳腺癌是最常見的女性惡性腫瘤之一，主要治療方法包括手術、化療及放療等［1～3］。高強度聚焦超聲（high intensity focused ultrasound，HIFU）作為一種新型的無創技術，為真正意義上的保乳治療提供了可能。HIFU需要影像技術做為實時監控，超聲是最常用的監控手段。但超聲圖像存在已發生凝固性壞死（coagulative necrosis，CN）而灰度未發生明顯變化的情況［4］，灰度變化不明顯可導致總劑量過大、治療時間延長，引起并發癥［5］。本研究對靶區聲像圖進行多分辨率小波變換紋理分析，旨在探究一種更為準確的療效評價方式，以提高超聲實時監控的準確性和敏感度，為臨床研究提供實驗基礎。

1 材料與方法

1.1 材料

1.1.1 動物模型：荷瘤兔VX2瘤組織由重慶醫科大學生物醫學工程學院提供。無菌條件下切取種兔肝癌組織，生理鹽水沖洗后，置于盛有生理鹽水的玻璃皿中，取瘤體邊緣生長旺盛的魚肉樣組織，剪碎，與生理鹽水一起注入20mL注射器內，制成組織塊懸液。取健康純種雌性新西蘭白兔120只，體質量2.5～3.0kg，麻醉后將組織懸液用針管注入雙側乳腺組織內各1mL。2周后于乳腺區域可捫及直徑為10mm大小的腫塊。將動物隨機分為90W組、120W組、150W組，每組40只。建模后2周對實驗兔乳腺腫瘤進行圖像采集（圖1）。

1.1.2 設備及軟件：JC-200型聚焦超聲腫瘤治療系統，由重慶海扶（HIFU）技術有限公司提供。該系統包括功率源、超聲實時監控定位、組合探頭、治療運動控制裝置、治療床及聲耦合裝置部分。其中聲耦合劑為循環脫氣水，含氣<3×10-6（體積分數）。治療參數：治療頭頻率0.94MHz，直徑220mm，焦距140mm，作用時間3s，治療頭在X、Y、Z 3個方向隨意運動。Matlab Release 2010a和WEKA 3.7軟件支持。

1.2 方法

1.2.1 HIFU輻照及圖像采集：將兔麻醉后固定于治療床上，啟動B超診斷儀，對乳腺腫瘤進行定位。采集輻照前圖像，存檔備用。打開治療系統，調整焦點使其位于腫瘤內部，進行手動點打掃描，功率90W、120W、150W，輻照時間均為3s，采集輻照后即刻圖像。共120幅圖，即120個樣本，采集圖像后存檔（圖 2）。

1.2.2 病理檢查：HIFU輻照后，切取乳腺腫瘤，對輻照靶區進行取材，甲醛固定，石蠟包埋，制片，HE染色，光鏡及電鏡觀察是否發生CN。以病理結果作為是否發生CN的標準。

1.2.3 分析圖像：（1）用Matlab對采集的圖像截取感興趣區（region of interest，ROI），對 ROI進行 2次小波變換；（2）采用紋理分析方法里常用的各尺度上能由粗及細地觀察對象，即小波變換多分辨率分析（multi-resolution analysis，MRA）的方法［6］。二維圖像多分辨率分析的核心思想是沿圖像的2個方向分先后2步作串級處理，這里采用db1小波，對圖像作2層分解（圖3）。用Matlab截取ROI，將截取的聲像圖進行1次小波變換，分解為4個子帶圖像：1個低頻分量（平滑逼近）a1和3個高頻分量（細節逼近）h1、v1、d1。再將得到的低頻分量a1進行第2次小波變換，進一步得到1個低頻分量a2和3個高頻分量h2、v2、d2［7，8］，共獲得 9幅圖像（圖 4）；（3）每幅圖經過2次小波變換后得到的8幅圖加上ROI，共9幅圖，提取4個特征參數（峰度、偏度、均值和方差），共生成36個參數；（4）將參數分析得出的結果錄入WEKA3.7中，采用支撐適量機（support vector machine，SVM）建立決策平面，分析樣本。SVM工具箱隨機抽取96個做為訓練集，通過訓練得出分類決策的超平面。將紋理參數得到的結果與灰度進行比較。

1.3 統計學分析

利用SPSS 16.0統計軟件，對灰度評價和紋理分析的敏感度和特異度進行比較，采用χ2檢驗。檢驗水準取α=0.05。

2 結果

2.1 病理檢查結果

HIFU輻照的120個樣本中，發生CN71個，未發生凝固性壞死（notcoagulationnecrosis，NCN）49個。

2.2 多分辨率小波變換紋理分析與灰度評價對HIFU消融組織聲像圖CN判斷的比較

如表1所示，120個樣本中紋理分析方法判對數及判對率均高于灰度判斷方法，差異有統計學意義（P=0.000）。紋理分析方法對發生CN及NCN的判對率均高于灰度判斷方法，差異有統計學意義（P=0.017）。

如表2所示，90W、120W及150W組紋理分析方法判對數及判對率均高于灰度評價方法，差異有統計學意義（P=0.000）。

表1紋理分析和灰度評價方法對H I F U消融組織的判別結果T a b.1T h e r e s u l t s o f t e x t u r a l a n a l y s i s a n d g r a y-s c a l e e v a l u a t i o n f o r H I F Ua b l a t i o n r e c o g n i t i o n CN NCN Total n Correct quantity Correct rate（%） n Correct quantity Correct rate（%） n Total correct quantity Total correct rate（%）Texture 74 65 91.551） 46 39 79.591） 120 104 86.671）Gray 66 45 63.38 54 28 57.14 120 73 60.83CN，coagulation necrosis；NCN，not coagulation necrosis；1）P ＜ 0.05，texture vs gray.Parameter表2各劑量組紋理分析和灰度評價對H I F U消融組織的判別結果T a b.2T h e r e s u l t s o f t e x t u r a l a n a l y s i s a n d g r a y-s c a l e e v a l u a t i o n f o r H I F Ua b l a t i o n r e c o g n i t i o n i n d i f f e r e n t d o s e g r o u p Radiation Texture Texture Gray Gray power correct quantity correct rate（%） correct quantity correct rate（%）90W 32 80.01） 21 52.5120W 34 85.01） 23 57.5150W 38 95.01） 29 72.590W and 120W 66 82.51） 44 55.01）P ＜ 0.05，vs gray.

3 討論

HIFU技術在臨床上多采用二維超聲進行實時監控。研究表明，二維超聲灰度評價的準確率只有70%，假陰性有30%［9］，提示聲像圖的灰度監控存在著部分已經發生CN而沒有灰度明顯變化的情況，這種情況可導致HIFU總劑量過大、治療時間延長，從而引起并發癥的發生［5］。因此，HIFU超聲監控需要準確性和敏感度更高的評價方式。

紋理分析是模式識別與圖像處理中一種常用的分析方法。由于圖像都存在紋理，小波變換通過對信號進行多尺度細化分析，提取紋理信息，能夠看清肉眼不能識別的紋理，因此采用多分辨率小波變換法對紋理進行分析具有可行性和優越性［10］。常用的方法是提取紋理參數后，再用分類器通過特征參數進行分類。本研究選用SVM分類器作為小樣本學習方法，通過特征參數的訓練找到最優決策平面。SVM是統計機器學習理論的核心內容，其中心思想是調整判斷函數使其充分利用邊界樣本點的分類信息，從而找到一個優化的決策超平面，使得正例和反例之間的分離裕度（最近的樣本距離決策超平面的距離）被最大化［11，12］。SVM 適用于樣本小、非線性、高維的樣本分類。

紋理分析在肝臟、心臟及乳腺疾病的診斷方面已取得了很大進展，但運用于CN的判斷卻鮮見報道。吳凝等［13］用射頻消融豬肉組織，選取6個灰度一階統計量和4個方向灰度共生矩陣的各4個紋理度量（共計22個統計量）進行判別，并設計分類器，能達到區分是否發生CN的效果。李雁等［14］對離體牛肝的實驗結果表明，多分辨率小波變換紋理分析方法對是否發生CN的判對率84%，灰度評價判對率60%。而本研究中，通過類似方法對活體兔VX2乳腺腫瘤進行實驗，結果顯示紋理分析方法對CN的判斷準確率為86.67%，灰度評價則為60.83%，提示紋理分析與灰度評價相比準確性更高，且低劑量組（90W，120W）尤為明顯。分析原因可能是低劑量條件下產生的空化微泡較少，在超聲圖像上沒有出現明顯的灰度變化，而空化微泡正是輻照后即刻引起灰度變化的主要原因［5］。而紋理分析方法采用了2次小波變換，由于小波具有數學顯微鏡的作用，能放大肉眼不可見的某些頻段，因此大大提高了對CN的敏感度。

本研究樣本量較小，輻照功率較為單一，分析方法僅采用了信號處理系統中的1種方法，因此仍有待今后進一步更深入的研究。

［1］Peter EH，Jueergen WJ，Ralf R，et a1.A new noninvasive approach in breast cancer therapy using magnetic resonance imaging-guided focused ultrasound surgery［J］.Cancer Rea，2001，61（23）：8441-8447.

［2］鄧智平，任宏，趙冰.乳腺癌內分泌治療的進展［J］.現代腫瘤醫學，2005，13（3）：8-10.

［3］郭曉輝，周曉東，任小龍，等.高強度聚焦超聲聯合術前新輔助化療治療乳腺癌的療效觀察［J］.臨床超聲醫學雜志，2007，9（6）：333-335.

［4］Young SW，Marineck B，Hohn GM.Ultrasonic hyperthermia for animal tumor treatment：CT assessment［J］.AJR Am J Roentqnol，1980，135（2）：363-367.

［5］鄒建中，龔曉波，賀雪梅，等.高強度聚集超聲輻照離體組織靶區無灰度變化有壞死現象的研究［J］.臨床超聲醫學雜志，2008，10（9）：581-583.

［6］胡昌華，張軍波，夏軍，等.基于MATLAB的系統分析與設計—小波分析［M］.西安：西安電子科技大學出版社，1999：16-19.

［7］Lee JS，Sun YN，Lin XZ.A new approach to ultrasonic liver image classification［J］.IEICE Tran Inf Syst，2000，E83-D（6）：1301-1308.

［8］Arivazhagan S，Ganesan L.Texture classification using wavelet transform［J］.Pattern Recog Lett，2003，24（9-10）：1513-1521.

［9］Liu BQ，Xiong SH，Wang ZB，et al.The study on biological focal region of high intensity focused ultrasound under ultreasonography monitoring［J］.Chin J Ultrasonogr，2002，11（11）：687-688.

［10］賈永紅.數字圖像處理［M］.武漢：武漢大學出版社，2003：178-187.

［11］Hsu C，Lin C.A comparison of methods for multi-class support vector machines［J］.IEEE Trans Neural Netw，2002，13（2）：415-425.

［12］李昆侖，黃厚寬，田盛豐，等.模糊多類支持向量機及其在入侵檢測中的應用［J］.計算機學報，2005，28（2）：276-280.

［13］吳凝，陽維，陳磊，等.射頻消融組織的B超圖像紋理分析［J］.中國醫學影像技術，2007，23（1）：140-143.

［14］李雁，鄒建中，王華，等.基于二維超聲圖像紋理分析判斷HIFU凝固性壞死［J］.中國醫學影像技術，2010，26（6）：1147-1149.

（編輯王又冬，英文編輯劉寶林）

Ultrasonogram Texture Analysis on Rabbit VX2Breast Tumor HIFU Ablation Based on Wavelet Transform

MIN Jia-yan1，ZOU Jian-zhong1，GUO Yu1，WANG Dong2
（1.College of Biomedical Engineering，Chongqing Medical University，Chongqing Municipal Key Laboratory of Ultrasound Engineering in Medicine，State Key Laboratory of Ultrasound Engineering in Medicine Co-founded by Chongqing and MOST，Chongqing 400016，China；2.Department of Ultrasound，Xinqiao Hospital，The Third Military Medical University，Chongqing 400037，China）

ObjectiveTo study the judging of coagulation necrosis by multi-resolution wavelet analysis texture parameters during the high intensity focused ultrasound （HIFU）treatment，to improve the sensitivity of judging coagulation necrosis by ultrasound monitoring.MethodsThe VX2breast tumors of rabbits in three groups was irradiated for 3s，with a irradiating intensities of 90W，120W，150W，respectively，each group contained 40New Zealand white rabbits.The ultrasonogram before and after irradiating were collected.Ultrasonogram texture parameters by wavelet transformation were extracted.Decision surfaces by means of support vector machine（SVM）was established.The samples were analyzed.ResultsJudging of coagulation necrosis of tissues ablated by HIFU by means of ultrasonogram texture parameters extracted by wavelet transformation was higher than that of gray scale evaluation，and the difference was of statistical significance （P<0．05）.ConclusionThe accuracy and sensitivity of judging of coagulation necrosis by means of wavelet transformation texture analysis was higher than that of grey scale evaluation.

high intensity focused ultrasound；coagulation necrosis；texture analysis

R445

A

0258-4646（2012）01-0014-04

doiCNKI：21-1227/R.20120113.1028.025

http：//www.cnki.net/kcms/detail/21.1227.R.20120113.1028.025.html

國家自然科學基金資助項目（30970767；60601023）

閔加艷（1986-），女，碩士研究生.

鄒建中，E-mail：zoujz@haifu.com.cn

2011-06-23

網絡出版時間：2012-01-1310：28