头颈部肿瘤分子生物纹理分析与生物靶区自适应勾画研究

季 琳 刘 洋 张 洋 朱 伟

头颈部肿瘤分子生物纹理分析与生物靶区自适应勾画研究

季 琳 刘 洋 张 洋 朱 伟

目的 探讨头颈部肿瘤分子生物纹理分析与生物靶区自适应的勾画方法。方法从肿瘤 PET图像的共生矩阵中提取肿瘤分子生物方差纹理特征，然后结合肿瘤生物方差纹理特征，对之前的两个阶段自适应三维体生长方法进行改进，对头颈部肿瘤自适应生物靶区进行自适应勾画。结果联合鼻咽癌VAR纹理特征、PET SUV进行两级区域生长计算，一级区域生长阈值0.65，分割结果显示，分割轮廓性较强，所有区域均联通，经临床专家视觉评估，认定该分割结果合理、正确。结论改进后的生物靶区自适应勾画方法，可有效提高头颈部肿瘤生物靶区勾画的精确度。

自适应勾画；生物靶区；头颈部肿瘤；分子生物纹理

放疗是临床治疗恶性肿瘤的常用方法，要确保高精度实施放疗，关键是要确保放射治疗靶区勾画的高精度。据研究显示[1]，PET（正电子发射型计算机断层显像）能够提供活体肿瘤代谢、缺氧、增殖等分子生物功能信息，这都是MRI及CT解剖影像无法实现的，PET图像能为放疗靶区的高精度勾画提供重要想影像信息。PET已在头颈部肿瘤生物自适应勾画中得到了广泛应用，同时也对头颈部肿瘤放疗产生了较大的影响。为进一步提高肿瘤生物靶区（BTV）的勾画精度，本研究采用了一种结合肿瘤 PET显像剂标准摄取值（SUV）和分子生物方差纹理特征的BTV自适应勾画方法，现报道如下。

1 资料与方法

1.1 一般资料本研究中的 PET影像资料均来源于我院PET/CT中心，使用GE Discovery ST PET/CT扫描系统进行数据采集，每张床位扫描3m in。使用CT信息对获得的PET数据做衰减校正，然后进行三维重建，图像大小为128mm×128mm×131mm，层厚为3.27mm，像素间距为2.34mm。

1.2 方法

1.2.1 分析头颈部肿瘤分子生物纹理特征 头颈部肿瘤分子生物纹理分析是建立在GLCM（PET灰度共生矩阵）基础上的，GLCM是纹理分析距离（δ）与方向（θ）的函数，其维数由图像的灰度级数（n）决定，元的值p（I,j）是由θ方向上距离δ的2个体素SUV值来决定的，同时与一个体素SUV值为i、一个为j的概率相等。在实际分析中，该概率估算值取相应的频率值[2]。分子生物纹理特征分析步骤：①确定共生矩阵的灰度级（n）、纹理分析方向（θ）、距离（δ）3项参数。常规将n取为8，δ取为1。纹理特征的提取，关键在于纹理分析的方向。为了对分子生物纹理进行全方位分析，θ起点可选择任一体素，指向任一相邻体素。纹理特征具有中心对称性，所以文理分析方向共包含13个方向。②计算θ上的纹理特征量及共生矩阵。方差纹理VAR的计算公式为：其中P(i,j)：GLCM第i行、第j列对应的元素值；μx：均值。反映的是纹理的周期性，值越大说明纹理周期越大。采用三维最大强度投影（每个体素点和纹理特征量），纹理特征图像强度值取取三维空间方向上的最大特征值。

1.2.2 头颈部肿瘤生物靶区的自适应勾画 在头颈部肿瘤PET SUV分子生物纹理特征图像分割中，采用多级自适应勾画法，方法为：①一级区域生长算法。首先选取初始区域V，V取值为SUV值（肿瘤区）最大体素点。②确定相似性。采用体素点的SUV值与初始区域SUV平均值偏差d（x,y,z）用以度量体素相似性。d（x,y,z）=SUVmean－SUV（x,y,z），其中，SUVmean：SUV平均值；SUV（x,y,z）：体素点的SUV值；（x,y,z）为V的所有6邻域点的集合S的子集。③在S中选择偏差最小点作为候选生长点，若该生长点满足一级生长准则，就将其添加到V中。一级生长准则公式：SUV（x,y,z）＞t1× SUVmean，式中，t1：生长阈值，可采用以下方法来确定生长阈值：将阈值设定为1→0，以0.1的频率递减，得到一个突变点（t1），也就是说当阈值减小时，满足一级生长准则，体素点个数增大值＞60%。继续对t1→t1→0.1细分，以0.01的频率递减，得到最优阈值 t1，重复上述步骤至算法收敛[3]，一级生长体素个数与阈值变化关系如图 1。④二级区域生长算法。与一级生长算法相比，二级生长算法的初始区域取值为是一级生长结果，也无需设定生长阈值，算法即可自动停止生长[4]。新增的种子点，所有6邻域点要在满足如下生长准则情况下，才可添加到点集S中。

其中，（x,y,z）代表候选种子点，（sx,sy,sz）代表最近一次添加到种子区域的种子点坐标。

2 结果

联合鼻咽癌VAR纹理特征、PET SUV进行两级区域生长计算，一级区域生长阈值0.65，分割结果如图2所示。图中红色为一级分割结果，黄色为二级分割结果。从图中可看出，分割轮廓性较强，所有区域均联通，经临床专家视觉评估，认定该分割结果合理、正确。

图1 一级生长体素个数与阈值变化关系

图2 鼻咽癌分割结果

3 讨论

在医学图像分析、处理中，纹理特征具有重要应用价值，但目前关于头颈部肿瘤PET分子生物纹理的研究还较少[5]。在本次研究中，从PET图像的共生矩阵中提取肿瘤分子生物纹理特征，通过分析比较，结合头颈部肿瘤SUV影像值和肿瘤PET显像剂标准摄取值纹理特征最大强度三维投影，提出了BTV自适应区域生长算法。因目前还没有生物靶区勾画金标准，所以仅能对靶区分割结果做定性分析。通过本次研究，发现采用上述方法可对头颈部肿瘤生物靶区进行自动分割，但其应用价值还有待进一步研究、考证。

[1] 刘国才,余志浩,朱苏雨,等.头颈部肿瘤分子生物纹理分析与生物靶区自适应勾画[J].中国医学影像技术,2013(1):115-120.

[2] 余志浩.头颈癌 PET图像纹理分析与生物靶区智能勾画方法研究[D]. 湖南:湖南大学,2012.

[3] 陈治明,吴平,周克,等.PET-CT在肿瘤放射治疗中的价值[J].西南军医,2010(1):4-6.

[4] 朱苏雨,席许平,胡炳强.PET/CT用于肿瘤放疗计划靶区勾画的相关问题[J].中国肿瘤,2010(8):494-499.

[5] 李燕雏,李显勇.PET/CT功能影像在肺癌及头颈部肿瘤放疗靶区勾画中的应用及进展[J].中外医疗,2012(23):184-186.

R73

A

1673-5846(2014)05-0224-02

牡丹江医学院，黑龙江牡丹江 157011

朱伟，E-mail：zhuzwwei@163.com。