论文部分内容阅读
目的：在二维灰阶图像研究的基础上，提出基于共生灰阶矩阵的纹理特征和基于HSV模型的彩色多普勒特征的算法，提取乳腺肿块的纹理和彩色多普勒血流信息，利用支持向量机(SVM)进行分类。将单纯应用纹理信息的分类结果和联合纹理及血流信息的分类结果分别作为参考意见，为医生诊断提供客观量化信息，验证特征提取和分类算法的有效性，评价不同的计算机辅助分类方法及所提取的彩色多普勒血流特征在乳腺肿块良恶性判定中的准确性和临床应用价值。 方法：本课题是在既往研制的算法和软件程序基础上，对算法的有效性进行评估。随机选用乳腺超声图片库中的231个病例，包括966幅二维超声图片和803幅超声视频资料(其中良性133例，恶性98例)，首先是对肿块的纹理特征和血流特征进行提取，共提取了十六个纹理特征和八个血流特征。其中纹理特征为课题组的前期工作，对血流特征的提取和评估为本研究的重点，采用受试者操作特征(ROC)曲线法评价八个不同彩色多普勒血流特征参数闾的诊断效能，比较ROC曲线下面积(Az)、敏感性(Se)和特异性(Sp)等统计学参数的差异。以手术病理结果作为金标准，再由三名超声医师进行三次诊断：首先对乳腺肿块的原始超声图片和视频序列图像进行良、恶性判定并给出乳腺肿块的BI-RADS分级；继而应用以往研究所提出的纹理信息分类算法对图像及视频序列进行分析，将计算机输出的结果提供给这三名医生，医生参考CAD结果后再次对肿块进行评价和分级。最后，应用本研究提出的联合纹理和血流信息的分类算法的分类结果作为参考，对图像及视频序列再进行评价和分级。采用受试者操作特征(ROC)曲线法分析三次诊断结果的差异，包括医生应用原始图片的诊断、参考纹理信息的CAD诊断和参考联合纹理和血流信息的CAD的诊断。比较ROC曲线下面积(Az)、敏感性(Se)、特异性(Sp)、准确性(ACC)和阳性似然比(+LR)、阴性似然比(-LR)等统计学参数的变化，评价不同CAD算法的诊断效能。 结果：八个血流特征中，血流丰富程度(AEB)和最大闪烁变化率(MFF)的Az分别为0.856和0.894，诊断效能优于其它参数。结合参考纹理信息的分类结果，医师的敏感性从86.7％提高至87.8％，特异性从66.2％提高至72.9％；参考融合纹理信息和血流信息的分类结果后，敏感性提高至89.8％，特异性提高至77.4％。同时，诊断结果的ACC、+LR和-LR均较未应用CAD辅助前改善。超声医师三次诊断结果显示，Az第一次评估(即依据原始超声图片诊断)为0.835，参考纹理信息后提升为0.876，参考纹理和血流信息后进一步提升为0.909。前后三次Az比较，差异均有统计学意义(P<0.05)，表明医师的诊断效能得以提高。 结论：联合使用纹理信息和血流特征的辅助诊断系统，优于单纯使用纹理特征的系统。基于彩色多普勒超声序列图像的8个血流参数中，血流丰富程度和最大闪烁变化率可作为最有意义的特征量和纹理特征进行分类。最大闪烁变化率作为量化图像序列中的血流信息的新指标，诊断的敏感性、特异性均高于血流丰富程度等其它指标，对评估血流动力学特征具有重要意义，可为乳腺肿瘤的良恶性判别提供诊断依据，减少误漏诊率，并进一步提高诊断的准确率。本研究提出的提取血流信息的算法能满足在临床工作中将血管定性分析的需求，将血流信息量化并自动识别血流性质，减轻医师的工作量，辅助医师提高鉴别乳腺良、恶性肿瘤的诊断率，具有较高的临床实用价值。