基于核素显像的甲状腺体积测定方法研究

徐磊，刘任从，孟庆乐，杨瑞，蒋红兵

南京医科大学附属南京医院（南京市第一医院） a.医疗设备处；b.核医学科，江苏 南京 210006

基于核素显像的甲状腺体积测定方法研究

徐磊a，刘任从b，孟庆乐b，杨瑞b，蒋红兵a

南京医科大学附属南京医院（南京市第一医院） a.医疗设备处；b.核医学科，江苏 南京 210006

目的开发一种基于自适应阈值的图像分割算法，用于核素显像中甲状腺体积的测定。方法首先对甲状腺核素显像的图像进行平滑、增强、灰度变换等预处理；然后用自适应阈值算法和形态学处理分割出甲状腺区域；最后在甲状腺区域上设置参考点，得出最大高度和每叶甲状腺面积，进而计算出甲状腺体积。结果以超声测得的甲状腺体积作为参考标准，选取偏差、精度、相对误差、相关度等评价指标对不同的甲状腺体积测定方法进行比较。不同方法的对比分析结果显示，基于本研究方法所测定的甲状腺体积不仅与超声测定结果高度相关（R2=0.99），且精度（±2.14 mL）最高，测量偏差（0.9）、相对误差（3.2%±4.36%）最低。结论本研究开发的甲状腺体积测定方法精确、简便，有助于核医学科医生为患者制定个体化剂量方案。

核素显像；甲状腺体积测定；自适应阈值算法；图像分割；形态学处理

Graves病（Graves’ Disease，GD）是一种甲状腺功能亢进症，患病率为1%～2%，主要的治疗方法有甲状腺药物治疗、放射性碘（131I）治疗、手术治疗等[1-2]。对于病情不复杂的GD患者，131I治疗见效迅速、经济、简便、安全，缓解率高、复发率低。根据辐射安全法规，个体化剂量方案被用于确定131I治疗剂量，计算公式[3]如下所示：

其中，D代表放射性131I治疗剂量（MBq），U是24 h摄131I率（%），C是一个常量，通常取3.7 MBq/g，V是甲状腺体积（mL）。由公式(1)可知，放射性131I治疗剂量正比于甲状腺体积，因此甲状腺体积的精确测定程度直接影响病人的治疗剂量。

在传统的核医学检查中，若甲状腺外形是规则的，甲状腺边界通常使用固定阈值来分割；若外形不规则，则采用手工勾画感兴趣区域（Region of Interest，ROI）来分割[4-6]。但是采用固定阈值算法分割甲状腺区域没有考虑到甲亢患者甲状腺核素成像的个体差异性，因而精确度较差，而手工勾画感兴趣区具有费时、冗长和高度依赖操作者等缺点。为了克服这些不足，本研究提出了一种基于自适应阈值的图像分割算法，可以全自动、精确地分割出甲状腺区域，并能够用于甲状腺体积测定。每叶甲状腺体积测定公式[7]如下所示：

其中V、A和L分别代表甲状腺体积、甲状腺正面投影面积和甲状腺的高度，K取0.32。

1 材料与方法

1.1 材料

本研究选取南京市第一医院核医学科2015年1～6月进行核素静态显像的30例GD甲亢病人，并测定其24 h的摄131I率。采集设备是西门子双探头SPECT/CT，病人采用仰卧姿势。图像采集参数设置如下：前位视野，矩阵256×256×16，计数300k，放大倍数3.2。

1.2 方法

1.2.1 图像分割流程

本研究提出的图像处理流程分为预处理、图像分割、感兴趣区（ROI）自动识别和甲状腺体积测定4部分。首先，采用高斯平滑滤波器和取大滤波器对图像进行预处理，以降低图像中的椒盐噪声，突出目标主体甲状腺；其次，采用自适应阈值算法分割出甲状腺区域，并配合使用形态学操作；然后，在分割出的甲状腺区域上设置参考点，得出最大高度和每叶甲状腺面积；最后，使用公式(2)计算甲状腺体积。图像处理流程，见图1。

图1 甲状腺核素显像的图像处理流程

1.2.2 图像预处理

受成像原理限制，甲状腺核素显像的图像伴随着高噪声，为了更多地保留甲状腺部分，突出目标主体信息，需要对图像进行预处理来改善图像质量。本研究采取的预处理策略是：首先用高斯平滑滤波器压制噪声，然后用取大滤波器突出甲状腺轮廓。

高斯滤波器由公式(3)[8]给出，其中σ取1.4，滤波后图像用Igau表示。取大滤波器由公式(4)给出，其中Sxy是以像素点(x,y)为中心的3×3掩模图像，(s,t)是Sxy子图像中的空间点。

甲状腺核素显像的图像灰度范围较窄，图像对比度较差，需要进行图像灰度增强。本研究先对预处理图像进行拉普拉斯变换，然后与原始图像叠加，最后进行幂率变换，达到突出图像细节部分，扩展图像灰度范围的作用。所得图像用Ienh表示。

1.2.3 图像分割

图像分割指将图像分成各具特性的区域并提取出感兴趣目标的技术和过程，分割算法有阈值法、边界探测法和匹配法等。本研究采用自适应阈值法提取甲状腺区域，主要步骤如下。

（1）在图像上选取3个感兴趣区域，分别位于甲状腺边界区域、背景区域和甲状腺区域，尺寸大小均为8×8；再引入一个权重因子，可以区分前景目标、背景、甲状腺边界，因此可用于调节阈值，如公式(5)所示。Ri代表整幅图像的平均灰度值与第i个ROI平均灰度值的比值，Mwhole是整幅图像的平均灰度值，MROIi代表第i个ROI的平均灰度值。

（2）用公式(6)计算阈值[9]。Ti代表第i个ROI的阈值，GROIi是第i个ROI累积分布函数值的35%对应的灰度值。

（3）图像二值化。将ROI中小于阈值的灰度值设置为0，大于阈值的灰度值设置为1，根据ROI和图像尺寸大小，共排列249×32个ROI，对其进行二值化处理，直到整幅图像全部转化为二值图像。

（4）形态学处理。通过膨胀与腐蚀操作排除图像上的小孔。

1.2.4 ROI自动识别

由于甲状腺通常是类椭圆形的，因此可以通过设置参考点来计算其面积和高度[10]。为了达到自动识别甲状腺的目的，本研究设置了8个参考点，见图2。当甲状腺形状规则时，长短轴距离即为甲状腺的长度，遍历图像中非0像素点即可求得甲状腺区域面积。当甲状腺形状不规则时，尤其是有所重叠时，将8个参考点和交叉点分为4组，每3个点一组，分别是[Pveur(P1)，Plefr(P2)，Plur(Q)]，[Plefr，Pvedr，Pldr]，[Pveur，Prigr，Prur]和[Prigr，Pvedr，Prdr]，将其带入二次贝塞尔公式B=（1-t）2P1+2t（1-t）Q+t2P2，得出4条曲线，就可以有效地分离两叶甲状腺区域，减少重叠效应。

图2 甲状腺区域自动识别示意图

2 结果

本研究选用甲状腺超声体积测定结果作为参考标准，将本研究提出的方法与现有的几种方法进行了比较，评价指标为相关度（R2）、偏差（B）、精度（P）、相对误差（RD）等，R2值越大，B、P、RD越小，表明该方法测得值与参考值越接近。

2.1 甲状腺图像分割结果

甲状腺核素显像的图像分割流程的关键步骤见图3，可以看出预处理所得的图像对比度明显提高，得到了一个均匀的二值图像，利用参考点画出的曲线，有效地分割出了左、右两叶甲状腺区域。

图3 甲状腺核素显像的图像分割结果

2.2 不同方法的甲状腺图像分割结果比较

基于不同方法的甲状腺图像分割结果见图4。可以看出，手动分割法的结果比较粗糙；Van Isslt法分割存在过度分割现象，所得的甲状腺区域过大；Pant法分割存在分割不足现象，所得的甲状腺区域过小；本研究所提出的分割方法可准确分割出甲状腺区域。

图4 不同方法的甲状腺图像分割结果比较

2.3 不同方法测定甲状腺体积的线性回归分析结果比较

以超声测得的甲状腺体积作为参考标准，对4种方法测得的30例GD甲亢患者的甲状腺体积进行线性回归分析，结果见表1。可以看出，本研究提出的方法的相关度最高（R2=0.99），且精度（P=±2.14 mL）最高，测量偏差（B=0.9）、相对误差（3.2%±4.36%）最低。

表1 不同方法测定甲状腺体积的线性回归分析结果比较

2.4 不同方法测定甲状腺体积的相对误差比较

本研究选用相对差异（RD）法评价各方法与超声测定的甲状腺体积的相对变化趋势，计算方法由公式(7)给出[11]，其中VUS表示超声测量的甲状腺体积，Vi是第i种方法测量的甲状腺体积。对不同方法测定甲状腺体积的相对误差求期望和标准差，结果见表2，可以看出，本研究提出的方法具有最小的期望值（3.2）和标准差（SD=4.36）。

表2 不同方法测定甲状腺体积的相对误差比较

3 讨论

131I治疗是一种安全、有效的治疗GD甲亢患者的方法，其中甲状腺体积的精确测定对制定个体化剂量方案至关重要。甲亢的检查与治疗是核医学科的常见项目，考虑到治疗环境，有必要开发一种适用于核医学科的甲状腺体积测定方法，避免过度依赖超声和磁共振测定。在传统的甲状腺静态显像中，甲状腺区域通常由固定阈值分割或者手工勾画获得，但固定阈值分割没有考虑到甲亢病人甲状腺的个体差异；而手工分割耗时，且高度依赖于影像医师，无法保证甲状腺体积测定的精确度，进而影响放射性碘剂量的确定。

本研究提出了基于自适应阈值的分割算法，可以全自动地分割出甲状腺区域，配合参考点技术可以成功计算出甲状腺的最大高度和面积，不论甲状腺形状规则与否。由表1可知，使用本研究方法测定的甲状腺体积与超声测得的结果具有很高的相关度，且其偏差较低，精度较高，表明该方法的测定效果明显优于其他3种方法。由表2可知，该方法测定的相对误差也明显小于其他3种方法。

综上，本研究提出的甲状腺体积测定方法是可行的，有助于核医学科医生为患者制定个体化剂量方案。

[1] 孙云钢,蒋宁一,刘生,等.131I治疗Graves′病后早发甲状腺功能减退的影响因素分析[J].广东医学,2011,32(24):3212-3214.

[2] 李林,沈绍群.131I固定剂量法治疗甲亢近期疗效观察[J].四川大学学报(医学版),2005,36(5):752-753.

[3] Huang JY,Lin KJ,Chen YS.Fully automated computer-aided volume estimation system for thyroid planar scintigraphy[J].Comput Biol Med,2013,43(10):1341-1352.

[4] Van Isselt JW,de Klerk JM,Koppeschaar HP,et al.Iodine-131 uptake andturnover rate vary over short intervals in Graves’disease[J].Nucl Med Commun,2000,21(7):609-616.

[5] 杨晓鹏,蔡超峰,潘珩,等.手背静脉图像预处理算法研究[J].中国医疗设备,2013,28(10):20-23.

[6] 谢勇,夏欣,琚生根,等.自适应窗口的图像平滑去噪[J].四川大学学报(自然科学版),2013,50(3):503-508.

[7] 王丽丽,宋余庆.一种医学图像增强算法[J].辽宁工程技术大学学报(自然科学版),2013,32(9):1274-1277.

[8] 王崴,王晓军,刘晓卫,等.基于图像复杂度的图像分割算法[J].探测与控制学报,2015,37(3):5-9.

[9] 钱卫星,黄丽亚.二维Otsu自适应阈值快速算法的改进[J].华侨大学学报(自然科学版),2015,36(4):427-431.

[10] 吴一全,朱兆达.图像处理中阈值选取方法30年(1962-1992)的进展(一)[J].数据采集与处理,1993,8(3):193-201.

[11] 李杰,陈国栋.基于改进区域生长算法的肝脏管道图像分割方法[J].中国医疗设备,2014,29(10):19-23.

Methodology Research on Thyroid Volume Estimation based on Radionuclide Imaging

XU Leia, LIU Ren-congb, MENG Qing-leb, YANG Ruib, JIANG Hong-binga
a.Department of Medical Equipment; b.Department of Nuclear Medicine, the Affiliated Nanjing Hospital of Nanjing Medical University (the First Hospital of Nanjing ), Nanjing Jiangsu 210006, China

ObjectiveTo develop an imaging segmentation algorithm based on adaptive thresholding to be used for thyroid volume estimation in radionuclide imaging.MethodsFirst, image preprocessing was performed on images collected by thyroid radionuclide imaging, which contained smoothness, enhancement, and grey level transformation. Second, adaptive thresholding algorithm and morphological operations were adapted to extract the rough thyroid area. Finally, the maximum height and the area of each lobe can be achieved by setting reference points so that the thyroid volume could be calculated.ResultsThe thyroid volume obtained through radionuclide imaging was used as the reference standard. Assessment indexes such as deviation, precision, relative differences, and degree of association were selected to compare different methods used to estimate thyroid volumes. The results of the comparison indicate that the approach of thyroid volume estimation proposed in this research was not only highly correlated with the results obtained through ultrasonography (R2=0.99), the result also has the best deviation (0.9), the lowest precision (±2.14 mL), and relative differences (3.2%±4.36%).ConclusionThe approach to thyroid volume estimation proposed in this research is precise, simple and convenient, and can avoid dependence on ultrasound, which can help physicians determine the individualized dosage regimen for each patient in the treatment of thyroid disease.

radionuclide imaging; thyroid volume estimation; adaptive thresholding algorithm; image segmentation; morphological operations

TP391.41

A

10.3969/j.issn.1674-1633.2016.03.007

1674-1633(2016)03-0039-03

2015-11-17

南京市医学科技发展资金“青年工程”人才培养专项经费资助项目（QRX11033）。

蒋红兵，研究员级高级工程师。

作者邮箱：xulei09060118@163.com