復合閾值處理法在病理診斷中的應用

王卉歡（通訊作者），陳 濱

（哈爾濱醫科大學 基礎醫學院計算機教研室，黑龍江 150081）

國家癌癥中心2021年中國最新癌癥報告顯示，惡性腫瘤是嚴重威脅我國居民健康的一大類疾病。肺癌、肝癌等依然是我國主要的惡性腫瘤。肝臟病理診斷是肝病患者診療過程的重要組成部分，對腫瘤性及非腫瘤性肝病診斷、預后以及治療起著非常關鍵的作用。肝病理診斷可以了解肝臟病變的程度和活動性并做出較客觀、精確診斷。疾病早期，利用血液生化分析和B超檢查方法難以檢測出肝臟炎癥和纖維化的程度，而肝臟活檢的病理檢查可以準確診斷肝臟的炎癥和纖維化程度，以及肝硬化的分型及病因，如酒精性肝硬化或肝炎后肝硬化等。此外，肝活檢病理診斷有助于肝臟疾病治療的藥物選擇及療效判斷，通過評判治療前后肝組織病理變化，為藥物治療提供可靠指標，為臨床藥物治療提供客觀的評價依據。現今，常用的抗肝炎病毒的藥物療程長、價格貴，這勢必會加重“看病難、看病貴”等諸多社會問題。如果在治療前進行病理診斷，根據肝臟組織炎癥活動程度有選擇性和針對性地應用抗病毒藥物，不僅能提高療效，還能適當降低治療費用。肝活檢病理診斷也可以為不同類型病毒性肝炎的病原學診斷提供依據，大部分肝炎病毒是嗜肝病毒，多在肝組織中寄生，只有在血清肝病病毒達到一定量時，臨床化驗才能夠檢測出來。肝活檢病理診斷利用超敏感性的免疫組織化學和原位分子雜交技術，能夠及時有效地檢測出寄生在肝組織中的肝炎病毒。肝活檢病理診斷有利于多種肝病的鑒別診斷，許多臨床診斷比較困難的慢性肝病，都需要通過肝活檢病理診斷來及時了解病人的肝臟病變，為醫療診斷提供至關重要的醫學依據［1］。

肝臟的病理檢查被公認為是肝臟疾病診斷的金標準，是一種能夠直接了解肝組織的病理變化、給出較精準診斷的檢驗方法，診斷價值遠遠高于血液生化、影像學檢查，是其他檢查無法替代的。病理診斷是對活檢或手術切下的病變標本進行固定、染色后，在顯微鏡下觀察組織結構和細胞病變特征后，給出相應診斷。目前為止，病理診斷仍被視為帶有宣判性質的、權威性的診斷［2］。癌癥的診斷在病理學診斷中最為復雜，很大程度上依賴于診斷醫生自身的經驗。

隨著科技的不斷發展，醫學影像的處理在診斷中的作用不斷加強，對醫學圖像進行處理和分析非常重要。傳統的醫學影像處理主要針對的目標有血管攝影（Angiography）、電腦斷層掃描（CT，Computerized tomography）、正子發射斷層掃描（PET Positron emission tomography）、核磁共振成像（NMRI，Nuclear magnetic resonance imaging）等，但是缺乏對于病理切片（Pathological section）處理的研究。

病理科是大型綜合醫院不可缺少的科室之一，主要承擔病理診斷任務。日常工作包括活體組織檢查、脫落和細針穿刺細胞學檢查、尸體解剖檢查等。通俗地說，就是將從患者體內取下的組織進行固定、取材、脫水、包埋、切片等步驟后，根據疾病情況通過HE染色、特殊染色、免疫組織化學、熒光原位雜交等技術對疾病進行確診，為臨床提供明確的病理診斷，確定疾病的性質，查明死亡原因，并可為臨床后續治療提供指導性信息［2］。在我國，病理醫生十分稀缺，而病理切片卻又是癌癥診斷的金標準，所以需要分析的病理切片較多，病理醫生的工作強度很大，而且病理分析還要依靠經驗和多種技術手段，有時醫生主觀情緒波動會造成關鍵部位的遺漏或疏忽。以上情況導致病理誤診時有發生，從而耽誤患者錯過最佳治療時期，或將沒有病變的部位切除。病理報告的誤診不僅對群眾的身體健康造成了很大威脅，同時也會增加醫患矛盾發生的機率。使用醫學影像的技術手段來協助醫生進行病理分析和診斷是近年來一個重要的研究方向。

為了解決以上問題，國內外一直在研究將病理切片“數字化”。如今國外在數字化病理系統的應用上已達到較高的水平。例如，澳大利亞新南威爾士大學早在2004年就首次成功地將數字化病理應用于病理學教學與考試的累積性評估。國外的數字化病理系統在遠程會診和遠程切片分析方面也得到了廣泛應用，如德國已經實現利用數字病理系統進行乳腺癌遠程診斷。

有了數字化的病理切片，除了可以實現教學和遠程會診等用途，還可以實現利用計算機處理醫學影像。傳統的醫學影像處理經常使用的計算機技術有空域變換、直方圖增強、銳化濾波器等［3-4］，國內外對此有過很多研究，主要有以下幾種：①圖像低層特征的提取和描述；②基于區域的圖像檢索（Region-Based Image Retrieval）；③圖像語義特征的提取；④高維索引技術；⑤相關反饋（Relevance Feedback）與機器學習相結合。

雖然研究的角度很多，但是在處理病理切片時，如果病變部位較為復雜，或是病變組織雜亂無章、噪音雜質較多，經常無法取得較好的效果。為了解決病理切片診斷的時間過長、誤診、漏診等問題，提高病理診斷的效率和精準度，避免錯過最佳治療時間、錯誤切除健康組織等醫療事故，我們重點研究了以下幾點：

①肝組織的病理切片的數字化。

②使用計算機圖像算法排除噪音雜質以及干擾信息。

③研發復合式分割圖像算法，分析病理切片中的有效信息，包括疑似病變細胞、活檢組織的全貌、活檢部位、可疑癌腫的形狀、邊緣是否清楚以及活檢組織的大小，如直徑或長度等，并根據這些數據給出病變（主要指癌變）的概率以及良性和惡性腫瘤的概率。

④將多組切片按機器分析的概率進行排序，標注疑似癌變圖像，計算癌變概率，從而協助醫生給出客觀診斷。

計算機圖像處理技術可以將完全依靠個人經驗的病理診斷方法轉變為量化指標，為病理醫生診斷提供參考。以往對病理切片圖像處理的研究主要集中在通過對圖像興趣區域的大量學習，實現自動識別病變組織的目的［5］。本研究提出的復合閾值病理切片圖像處理方法，能夠凸顯正常肝組織與病變肝組織在結構上的區別，從而幫助醫生做出正確診斷，使診斷更具客觀性和科學性。

1 材料與方法

1.1 材料

收集哈爾濱醫科大學第二附屬醫院20例肝臟癌變和20例正常肝臟病理切片。使用日本Nikon ECLIPSE Ci顯微鏡，在10倍、20倍、40倍下攝影，生成JPEG格式圖片。

1.2 方法

①病理切片進行數字化，采集10倍、20倍、40倍等多重影像。

②將圖片進行閾值灰度（Grayscalethreshold）處理，提取有效像素點。

③多次修改閾值，將圖片有效降噪，記錄最佳閾值。

④采用逐點分割圖片的方法，將圖片切成若干小范圍圖片，即區域。與傳統方式不同的是，區域并不是從圖上完整劃分，這些區城的大小、范圍并不固定，而且這些區域的某一部分和其他區域有較大的重合，重合度越高，劃分越精細，越容易找出癌變組織，但是計算速度越慢。所以要找出最佳的切割點，其中必有癌變組織最明顯的圖片。將這些圖片運用直方圖（histogram）對比方法進行圖像比對，按照圖像癌變相似度進行圖像排序。本項目主要采用計算機圖形學的相關技術，包括圖像分割技術（Image Segmentation Technology）、圖 像 的 空 域 變 換（Spatial Transform）、直接灰度調整（Direct grayscale adjustment）、直方圖增強算法（Histogram enhancement algorithm）等技術，最終實現一種基于區域的圖像檢索（Region-Based Image Retrieval）［6］。

軟件開發使用c#語言，在visual studio 2017中采用.netframework4.5集成環境編寫程序，用來實現算法。

1.2.1 編寫病理切片圖像處理系統

本研究編寫的病理切片圖像處理系統界面包括圖像讀取、中位數設置、復合閾值處理法、保存右側處理完成圖像等功能。見圖1。

圖1 病理切片圖像處理系統主界面

1.2.2 理論依據

肝癌是指發生于肝細胞或肝內膽管上皮細胞的惡性腫瘤，根據組織學類型可將肝癌分為肝細胞肝癌、膽管細胞癌以及混合型肝癌。肝細胞肝癌最為常見，約占肝癌的90%，癌細胞來自肝細胞，異形性明顯，胞質豐富呈多邊形，排列成巢狀或索狀，血竇豐富，如果有包膜則生長比較緩慢。膽管細胞癌比較少見，癌細胞是由膽管上皮細胞發展而來，呈立方或柱狀，排列成腺樣，纖維組織較多，血竇較少。混合型肝癌最少見，其具有肝細胞肝癌和膽管細胞癌兩種成分。肝癌的影像學檢查可能并不會觀察到甲胎蛋白的異常，而肝細胞癌的影像學檢查甲胎蛋白大多會顯著升高。

本研究的理論依據是正常肝臟肝板由單層肝細胞組成，故肝板間的肝竇形態相對規則且分布均勻；而肝細胞癌變時，肝板由多層細胞組成且腫瘤細胞形成團塊，故與正常肝組織相比肝竇數量減少、形態不規則、分布紊亂［1-2，7-8］。

1.2.3 實驗步驟

選取肝癌切片20張、正常肝組織切片20張，分別在顯微鏡攝影倍數為4倍、10倍、20倍、40倍時進行攝影，生成病理切片圖像。由于病理切片圖像普遍超過4M，直接處理的話，時間長、效率低。在進行實驗前，將圖片按10%縮小處理。在病理切片圖像處理系統中讀入切片圖像，分別將閾值設為-2、0、5、7、9進行比較。為了避免染色劑使用量對圖片造成深淺不一的影響，對圖片進行了二值化處理。

本研究提出復合閾值處理法，步驟如下：

①首先設置閾值m，默認為123，可根據明暗效果自行設置。

②分別計算中間色的rgb值：

③計算中間色值mc：

④如果mc＞255-m則mc不變；否則mc=mc+m。

⑤設原圖中的每個像素點色值為p，如果（r+g+b）/3＞mc則p=255，否則p=0。

⑥黑白取值后，可將黑白反相處理（顛倒）。

為了加強圖片顯示效果，可根據明暗效果設定閾值或進行反相處理。

2 結果

2.1 正相處理結果比較

為了找到最佳診斷效果的圖片以及與放大倍數、自定義閾值的關系，本文在放大倍數為4、10、20、40下，將閾值分別設為-2、-1、0、1、5、7、9、10，對兩例肝癌切片圖像和兩例正常肝組織切片圖像依次進行處理。20倍與40倍的處理結果優于4倍和10倍。閾值≤2或閾值＞9時，圖像不清晰，省略。首先正相處理結果比較，放大倍數為20，見圖2。放大倍數為40，見圖3。

圖2 20倍 正相處理結果比較

圖3 40倍 正相處理結果比較（效果好的圖片略大）

2.2 反相處理結果比較

見圖4、圖5。用于病理診斷效果最好的參數值如圖6。

圖4 20倍 反相處理結果比較

圖5 40倍 反相處理結果比較（效果好的圖片略大）

3 結語

本課題不僅采用了傳統計算機圖像算法，如直方圖相似度對比、灰度閾值、二值化、圖像的空域變換等方法來實現基于區域的圖像檢索（Region-Based Image Retrieval），并且創新地提出了一種新的復合式分割法，將圖片重復分割，分割區域和大小不確定，每個小圖都進行計算和分析，以求找到最佳圖片（即最明顯的癌變圖像）。同時將所有圖像按癌變概率進行排序，極大地幫助了醫生實現快速、準確地診斷。

通過使用復合閾值圖像處理方法，可以看出正常組織切片條紋分明，肝竇成規則條紋狀，且分布均勻；而癌組織切片條紋雜亂，肝竇成不規則條紋狀，且分布不均勻，相較于正常組織，黑色素成團狀大量出現（見圖6）。研究結果表明，當顯微鏡放大倍率為40，閾值為7，在利用本研究提出的復合閾值算法處理后的圖像以及進行反相處理后，閾值在7-9之間的圖像中，可以很清晰地看到肝竇是否分布均勻，從而給出是否發生病變的診斷結論。該算法以軟件的形式提供，并將在實踐中不斷升級和改進，有助于精確診斷，減少誤診、醫療事故等，同時有助于臨床醫生的培養。

圖6 可用于診斷的參考圖像