论文部分内容阅读
膀胱癌是一种严重威胁人类健康的全球性疾病。美国癌症协会(AmericanCancerSociety)发布的《Cancerfacts&figures2009》指出:在恶性肿瘤疾病中,膀胱癌位居美国男性第四位、女性第八位,占男性恶性肿瘤发病数的7%,这一数字在女性为3%。同时,该报告估计全美2009年膀胱肿瘤新发病例数为70,980例,预计因膀胱肿瘤而导致死亡的病例为14,330例。根据SEER(NationalCancerInstitute’sSurveillanceEpidemiologyandEndResultRegistry)的统计结果,美国自1975年以来,膀胱癌的发病率增加了约40%。中国男性膀胱癌发病率位居肿瘤疾病的第八位,而且部分城市近年来肿瘤发病率报告显示,其发病率有快速增高趋势。除了常见的症状和体征等基础诊断方法外,膀胱镜是目前膀胱癌诊断的金标准。在实行膀胱镜检查的同时也会进行影像学检查以判断肿瘤浸润周围组织的情况。影像图片的判读和读片医师的临床经验密切相关。尽管在图像上肿瘤组织的灰度和肿瘤周围正常组织的灰度有很大的不同,但直接通过肉眼读片获得诸如膀胱肿瘤浸润深度——这样关键的临床信息仍然是非常困难的。本研究的目的是找到可以在MRI图像上区分膀胱肿瘤组织和膀胱壁组织的纹理特征,进而获得膀胱肿瘤浸润膀胱壁平滑肌的深度。 本实验共收集22例膀胱肿瘤患者数据及23例正常志愿者数据。所有数据分为三组:组A为肿瘤区域的纹理特征值;组B为肿瘤患者膀胱壁区域的纹理特征值;组C为正常志愿者膀胱壁区域的纹理特征值。其中组B又分为B1组和B2组,B1组由Ta,T1和T2期肿瘤患者膀胱壁区域的特征值组成(13例),B2由T3和T4期肿瘤患者膀胱壁区域的特征值组成(7例)。实验选取五类共42种纹理特指。实验步骤如下:首先,为保证图像分割的准确性,我们将MRI图像中的ROI区域手工勾勒出来;第二,计算ROI区域内的纹理特征值;第三,将上述分组的纹理特征值进行统计分析,筛选出所需特征;第四,在上一步特征筛选的基础上,将纹理分析、SVM、肿瘤生长特性结合应用,在MRI图像上确定膀胱肿瘤的浸润深度。 有35个纹理特征在组A和组B间表现出统计学差异,包括均值、熵、均匀度、方差、平滑度、三阶距;向量的模(自协方差系数)、粗糙度、对比度、线性度、粗略度(Tamura)、大部分基于灰度-梯度共生矩阵的纹理特征以及部分基于灰度共生矩阵的纹理特征。尽管粗糙度和粗略度在统计分析中表现出显著性差异,但是这两个特征值对图像的大小很敏感,因此本研究将其舍去。接下来对组B和组C进行统计学分析,有9个纹理特征在两组间表现出统计学差异,它们是熵、均匀度、方向度、T5,T6,T9(GLGCM灰度-梯度共生矩阵);f1,f9,f12(GLCM灰度共生矩阵)。第三步,在组B1、B2、C之间进行方差分析,主要分析的纹理特征是在第一步统计分析中表现出显著性差异的33项(舍去粗糙度和粗略度)。15项纹理特征在组B2和组C间表现出显著性差异,包括熵、均匀度、标准差、线性度、T3~T5,T7~T9(GLGCM)、f1,f8~f11(GLCM)。这些特征与第二步t检验得出的纹理特征在很大程度上存重叠。26项纹理特征在组B1和组C间没有表现出统计学差异,它们是:均值、平滑度、均值、向量的模(自协方差系数)、对比度、线性度、T1~T4,T7,T8,T10,T11(GLGCM),f2~f8,f10,f11,f14~f16(GLCM)。有9项纹理特征在在B2组和C组间表现出统计学差异,而在B1和C组间没有表现出差异;而表现出完全相反统计结果的纹理特征只有三阶距一项。第四,利用上述筛选出的纹理特征,将其与识别分类器——支持向量机(SVM)相结合,在MRI图像上识别肿瘤区域。根据肿瘤区域的分布并结合肿瘤生长特性判断肿瘤的浸润深度。将上述浸润深度与病理切片获得的浸润深度相对比,16例病例中有12例判断准确。 实验的初步结果显示,有33项纹理特征在膀胱肿瘤组织和患者的膀胱壁组织间存在统计学差异。实验结果进一步说明早期肿瘤周围的膀胱壁纹理与志愿者的膀胱壁纹理类似,而晚期肿瘤患者的膀胱壁纹理与志愿者膀胱壁纹理存在差异。可能的原因是由于病情进展,膀胱壁内血管增生以及平滑肌纤维化导致膀胱壁纹理改变。本实验最重要的结论是:通过将纹理分析与SVM分类器相结合,为直接在MRI图像上确定膀胱肿瘤浸润膀胱壁的深度提供了一种可行手段。