超聲醫(yī)學(xué)紋理分析應(yīng)用研究現(xiàn)狀
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了超聲醫(yī)學(xué)紋理分析應(yīng)用研究現(xiàn)狀范文，希望能給你帶來靈感和參考，敬請閱讀。
【摘要】隨著臨床醫(yī)生從患者身上獲取的醫(yī)學(xué)圖像數(shù)量快速增長，這些圖像的使用已從診斷工具擴(kuò)展到個(gè)體化診療背景下醫(yī)學(xué)數(shù)據(jù)。目前，對如此大量的醫(yī)學(xué)影像數(shù)據(jù)的有效利用仍是一個(gè)挑戰(zhàn)。近些年在定量成像分析方面有了一個(gè)重要的進(jìn)展，稱為影像組學(xué)。影像組學(xué)組學(xué)是從醫(yī)學(xué)圖像中高通量提取高級定量特征，通常使用數(shù)學(xué)紋理分析。利用紋理分析可以量化醫(yī)學(xué)上的異質(zhì)性，紋理特征從醫(yī)學(xué)圖像中提取出肉眼無法察覺的空間信息。紋理分析可能成為一種潛在的、有用的生物標(biāo)記物，可以評估和量化腫瘤的空間異質(zhì)性，從而更好地根據(jù)疾病，尤其腫瘤性疾病的影像組學(xué)特征選擇合適的治療方案。本文旨在綜述紋理分析在超聲醫(yī)學(xué)領(lǐng)域研究進(jìn)展，存在的問題等，以期為紋理分析在超聲醫(yī)學(xué)領(lǐng)域的應(yīng)用、發(fā)展提供一定的參考作用。
【關(guān)鍵詞】超聲醫(yī)學(xué)；紋理分析；影像組學(xué)；灰度共生矩陣
紋理一般指從圖像中觀察到的圖像像元的灰度變化規(guī)律，人們將圖像中存在的局部不規(guī)則的，二宏觀有規(guī)律的特征稱為紋理。在圖像分析學(xué)中用數(shù)字特征描述灰度變化特征稱為圖像的紋理特征。紋理分析的主要內(nèi)容可以分為圖像變換和圖像量化兩大類。圖像變換將傳統(tǒng)的圖像濾除為其基本分量（空間、頻率等），生成派生的子圖像。紋理分析已經(jīng)在諸多領(lǐng)域應(yīng)用，醫(yī)學(xué)研究人員嘗試將紋理特征分析用于醫(yī)學(xué)圖像，探索疾病診斷、治療及預(yù)后等，并取得了一定的研究成果。
1紋理分析方法
紋理量化技術(shù)包括結(jié)構(gòu)、模型（分形維數(shù)）、基于統(tǒng)計(jì)和頻率的方法。統(tǒng)計(jì)分析紋理特征的方法簡單，易于實(shí)現(xiàn)，所以目前醫(yī)學(xué)研究中應(yīng)用的較多。統(tǒng)計(jì)分析方法是通過統(tǒng)計(jì)圖像的空間及邊界頻率、空間灰度依賴關(guān)系等，紋理的細(xì)致和粗糙程度與空間頻率有關(guān)，低空間頻率與粗糙的紋理相關(guān)，細(xì)致的紋理具有高空間頻率?；诮y(tǒng)計(jì)的方法：灰度共生矩陣、灰度行程統(tǒng)計(jì)、灰度差分統(tǒng)計(jì)、局部灰度統(tǒng)計(jì)、半方差圖、自相關(guān)函數(shù)等?；叶裙采仃嚕℅LCM）是統(tǒng)計(jì)分析方法中最重要的方法。GLCM是建立在估計(jì)圖像的二階組合條件概率密度函數(shù)基礎(chǔ)上的統(tǒng)計(jì)方法，主要描述紋理基元或局部模式隨機(jī)和空間統(tǒng)計(jì)特征，以表示區(qū)域的一致性及區(qū)域間的相對性。其它方法在醫(yī)學(xué)影像研究中應(yīng)用的較少，所以在此不再贅述。
2紋理分析用于超聲醫(yī)學(xué)研究現(xiàn)狀
國內(nèi)外研究者嘗試?yán)酶鞣N紋理分析技術(shù)對多種醫(yī)學(xué)成像圖像（CT、MRI、數(shù)字X線片、超聲）進(jìn)行分析，探索無創(chuàng)診療新途徑。在新興領(lǐng)域-影像組學(xué)中紋理分析也是一個(gè)重要組成部分，它通過評估圖像中像素或體素灰度的分布和關(guān)系，可以定量客觀地評估組織的異質(zhì)性。紋理分析應(yīng)用于計(jì)算機(jī)斷層掃描（CT）和磁共振成像（MRI）較超聲圖像較超聲圖像早，在預(yù)測病理特征、預(yù)后和對各種疾病的治療反應(yīng)方面已經(jīng)顯示出了良好的效果。近些年有學(xué)者將紋理分析用于超聲成像，并取得了一定的研究成果。超聲圖像的紋理是由于不同的組織、同一組織不同病變及正常組織對超聲脈沖的吸收、衰退、反射有差異，由超聲脈沖相互作用而形成。因此，研究者假設(shè)圖像的紋理的不同，可定量分析來區(qū)分不同疾病，甚至預(yù)測基因、蛋白表達(dá)等的差異。從而為疾病的無創(chuàng)診斷、疾病的分期、基因相關(guān)性分析及預(yù)后預(yù)測等提供新的可參考依據(jù)。
2.1乳腺腫瘤研究現(xiàn)狀
因全球女性發(fā)病率最高的惡性腫瘤，一直以來對乳腺癌的早期診斷和治療是臨床持續(xù)關(guān)注的熱點(diǎn)問題。超聲診斷是乳腺癌的普查和早期診斷的重要工具。超聲圖像紋理分析有望提高乳腺癌的診斷率，并有望為乳腺癌的分型及放化療預(yù)后等提供有價(jià)值的參考依據(jù)。種美玲等對113個(gè)病理證實(shí)的乳腺結(jié)節(jié)行灰階超聲及剪切波彈性成像回顧性分析，利用灰度共生矩陣特征提取，獲得對比度、同質(zhì)性、相關(guān)性，角二距等4個(gè)參數(shù)建立診斷模型，實(shí)驗(yàn)結(jié)果顯示灰階超聲及剪切波彈性圖像的多參數(shù)紋理分析及建立的診斷模型對乳腺結(jié)節(jié)良惡性有較高的診斷效能[1]。諸多關(guān)于乳腺病變的基于超聲圖像紋理特征分析的影像組學(xué)研究為無創(chuàng)分類乳腺腫瘤的可能性奠定了基礎(chǔ)。
2.2肝臟疾病中的研究現(xiàn)狀
紋理分析可以進(jìn)一步提取和量化超聲圖像中的紋理特征，為進(jìn)一步的視覺信息提供補(bǔ)充，對肝臟疾病，尤其對肝纖維化有較高的診斷準(zhǔn)確性。張慧等對經(jīng)病理檢查證實(shí)的120個(gè)肝臟超聲影像（其中包括正常肝臟、肝臟惡性病變、肝臟良性病變等）行紋理特征提取分析，并結(jié)合決策樹算法進(jìn)行分類診斷，結(jié)果顯示提取的紋理特征對圖像內(nèi)容有較好的分區(qū)性[2]。紋理分析作為影像組學(xué)圖像特征提取的重要方法多個(gè)實(shí)驗(yàn)研究證實(shí)該方法可為臨床上輔助診斷腫瘤性疾病提供依據(jù),也為后期圖像識(shí)別,圖像檢索和圖像數(shù)據(jù)挖掘提供了特征數(shù)據(jù)。
2.3骨骼肌疾病的研究現(xiàn)狀
灰度共生矩陣（GLCM）灰度分析是一種考慮圖像像素空間分布的圖像紋理分析方法。在研究運(yùn)動(dòng)誘導(dǎo)肌肉損傷（EIMD）中灰度共生矩陣（GLCM）一種很有前途的方法。Matta等跟蹤了骨骼肌偏心收縮后超聲圖像上兩個(gè)GLCM紋理參數(shù)（對比度、相關(guān)度）和回聲強(qiáng)度（EI）的時(shí)間變化。將13名未經(jīng)訓(xùn)練的婦女分為兩組，行肘部屈曲的偏心收縮。運(yùn)動(dòng)后24小時(shí)、48小時(shí)、72小時(shí)和96小時(shí)分別獲得超聲圖像。計(jì)算肱肌兩種GLCM紋理參數(shù)：對比（CON）和相關(guān)（COR）。測量峰值扭矩、EI、肌肉厚度（MT）和疼痛。與所有措施相比，干預(yù)后峰值扭矩和疼痛立即下降。干預(yù)后72hMT立刻升高（P＜0.05）。COR（48、72、96h）和EI僅在72、96h時(shí)顯著升高（P＜0.05），COR升高代表灰度級之間高度相似，這在肘關(guān)節(jié)屈肌偏心訓(xùn)練后幾天的超聲圖像上可以觀察到。最終通過實(shí)驗(yàn)得出結(jié)論：肌肉組織超聲圖像熵的變化與其能量消耗程度的相關(guān)度很高。肌骨超聲影像組學(xué)研究主要通過紋理分析方法實(shí)現(xiàn)，為運(yùn)動(dòng)醫(yī)學(xué)、康復(fù)醫(yī)學(xué)的發(fā)展提供了更多的定量診斷信息。
2.4其它疾病中的研究現(xiàn)狀
隨著紋理分析相關(guān)研究的發(fā)展，紋理特征被用于更多的領(lǐng)域，如甲狀腺腫瘤、卵巢腫瘤、心肌疾病及腎臟腫瘤等。Vidaurreta提出了一種基于神經(jīng)網(wǎng)絡(luò)的附件腫瘤自動(dòng)判別方法。研究者首先從卵巢超聲圖像中計(jì)算出7種不同類型的紋理特征（局部二進(jìn)制模式、分形維數(shù)、熵、不變矩、灰度共生矩陣、法則紋理能量和Gabor小波），從中提取若干特征并隨臨床患者年齡一起收集。采用145例患者的卵巢腫瘤超聲圖像實(shí)驗(yàn)，其中106張良性圖像，39張惡性圖像，將提取的圖像特征進(jìn)行分類后，對分類器進(jìn)行評價(jià)，其準(zhǔn)確率為98.78%，靈敏度為98.50%，特異度為98.90%，曲線下面積為0.997。Priyank等對腎臟超聲圖像進(jìn)行預(yù)處理后利用灰度共生矩陣方法生成能量、熵、均勻性、相關(guān)性、對比度、差異性等多個(gè)二階統(tǒng)計(jì)紋理特征，將特征行主成分分析（PCA）將得到的特征簡化為最優(yōu)子集，經(jīng)統(tǒng)計(jì)分析結(jié)果顯示出較高的分類準(zhǔn)確率。
3對醫(yī)學(xué)超聲圖像的紋理分析方法的問題及未來展望
紋理分析雖發(fā)展較早，但用于醫(yī)學(xué)圖像，尤其用于超聲圖像較晚，在超聲醫(yī)學(xué)中的相關(guān)研究也較少，目前，對超聲圖像的紋理分析主要應(yīng)用乳腺良惡性腫瘤的鑒別診斷，肝臟纖維化程度的分期，骨骼肌的損傷定量分析等疾病的診斷中，對惡性腫瘤的基因相關(guān)性研究、惡性腫瘤化療及放療效評估、腫瘤分級分期等研究仍較為缺乏。后續(xù)的更深入的研究中需要解決的問題仍有很多。最大的問題在于對圖像進(jìn)行標(biāo)準(zhǔn)化。在不同的研究者采用的設(shè)備及參數(shù)設(shè)置、圖像的預(yù)處理、對興趣區(qū)的分割方式的不同、特征提取等過程差異很大，因此實(shí)驗(yàn)的重復(fù)性較差[3]。今后的研究需要重新關(guān)注研究設(shè)計(jì)、報(bào)告實(shí)踐和圖像采集的標(biāo)準(zhǔn)化、特征計(jì)算和特征提取等，以推動(dòng)紋理分析在醫(yī)學(xué)超聲領(lǐng)域的發(fā)展。近些年，基于先進(jìn)計(jì)算機(jī)運(yùn)算能力、云計(jì)算、大數(shù)據(jù)以及機(jī)器學(xué)習(xí)及深度學(xué)習(xí)應(yīng)用于醫(yī)學(xué)圖像的紋理分析，為開發(fā)正在生成的大量圖像數(shù)據(jù)財(cái)富的潛力創(chuàng)造了有利條件大大加快臨床數(shù)據(jù)分析的步伐。紋理分析作為影像組學(xué)的重要圖像特征也因此成為了多學(xué)科合作研究的新的研究領(lǐng)域。超聲醫(yī)學(xué)以其實(shí)時(shí)、無創(chuàng)、操作簡單、廉價(jià)、便于多次重復(fù)檢查等優(yōu)勢，用過紋理分析的定量診斷方法必將為精準(zhǔn)醫(yī)療及疾病的個(gè)體化診療方案提供更多選擇，因此需要進(jìn)一步研究及探索。
【參考文獻(xiàn)】
[1]種美玲,時(shí)白雪,張禧,等.超聲聯(lián)合紋理分析對乳腺結(jié)節(jié)良惡性的診斷價(jià)值[J].中華醫(yī)學(xué)超聲雜志(電子版)，2019,16(08):581-585.
[2]張慧,遲慶云,劉彩霞.基于灰度共生矩陣的肝癌B超紋理特征決策樹診斷分析[J].中國醫(yī)藥指南,2015,13(25):2-3.
[3]仇清濤,段敬豪,鞏貫忠等.影像組學(xué)可重復(fù)性問題研究進(jìn)展[J].中華放射腫瘤學(xué)雜志,2018,27(03):327-330.
作者：吳昕怡 包呼和 單位：內(nèi)蒙古醫(yī)科大學(xué)
