基于灰度共生矩阵的医学PET图像纹理分析研究

徐天伟

摘要：本文主要研究基于灰度共生矩阵的纹理分析方法，提取医学PET图像肿瘤靶区的纹理特征，用于量化恶性肿瘤的异质性。Haralick等首先提出了灰度共生矩阵的概念，Veenland等应用纹理特征对图像进行分析。本论文基于灰度共生矩阵对医学PET图像进行纹理分析，通过算法计算得到肿瘤图像数字化信息，不仅丰富了图像信息，更利于分析恶性肿瘤的变化情况。

关键词：PET图像；纹理分析；灰度共生矩阵

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）05-0219-02

Abstract： In this paper， we mainly study the texture analysis method based on gray level co-occurrence matrix， and extract the texture features of tumor target in medical PET image.Texture features are used to quantify the heterogeneity of malignant tumor. Haralick et al first proposed the concept of gray co-occurrence matrix， Veenland et al applied texture features to analyze the image. In this paper， the texture of medical PET images is analyzed based on the gray covariance matrix. The digital information of tumor images is calculated by the algorithm， which not only enriches the image information， but also analyzes the changes of malignant tumors.

Key words： PET Image； Texture Analysis； Gray Level Co-occurrence Matrix

1 概述

理是物体所具有的一种特性，纹理包含物体的凹凸程度、色彩和花纹等特性，不同的物体所具备的纹理特征不相同。不同的图像的纹理特征一般不同，所以，通过图像纹理分析可以对比同一物体不同时间点或者不同物体间的结构差异性，为我们进行差异性分析提供帮助。

对于图像而言，如二维图像或三维图像在描述时更多的是通过文字性语言描绘，但不同人对同一文字内容的理解不同，这就造成了一个弊端，即没有一个标准来定性的描述图像。而纹理分析能解决这一弊端，纹理分析是指通过一系列算法提取出图像的特征，用数值的形式对图像进行定量定性分析[1]，具有客观性。现纹理分析已经广泛应用到图像检索、图像识别、图像数据分析等领域。

正电子发射型计算机断层显像（Positron Emission Computed Tomography，PET）是一种医学癌症诊断影像技术，和电子计算机断层扫描（CT）、磁共振成像（MRI）等影像技术一样可以帮助医生分析病人病情。相对于CT、MRI影像，PET图像能够在分子水平分析病灶病变情况[2]，能够先于器官形状发生变化前发现病状，达到早诊断的目的。

灰度共生矩阵是基于灰度分布对图像分析，可以在区域和全局领域分析图像纹理特征。把灰度共生矩阵应用到医学图像上，可以提取肉眼无法发现的影像信息[3]、提供更多的病灶信息，对疾病诊断、鉴别诊断、病情判断提供帮助。

本文通过灰度共生矩阵提取肺癌PET图像的多个纹理特征值，并对提取的纹理特征值进行比较分析，为医生分析患者病情提供帮助，为研究患者病灶的差异性提供依据。

2 算法设计

2.1算法框架

本文算法流程图如图1，从PET图像拍摄，然后对图像进行一系列预处理：PET图像归一化、PET图像去噪、PET图像分割[4]，得到我们所需的标准图像，然后通过灰度共生矩阵的方法提供PET图像纹理特征值，最后对纹理特征值进行分析得出结论。

2.2图像预处理

2.2.1 图像归一化去噪

病人病变部位图像通过PET/CT机拍摄得到，由于不同PET图像采用的拍摄机灰度值等级可能不同，为了试验结果的准确性，需对图像灰度值进行归一化处理[5]。经过我们实验比较分析得到灰度值等级分别为32、64、128时，对计算得到的纹理特征值并无明显差异，我们默认选择灰度级等级为64。由于PET图像拍摄过程中，会受到噪声的影响，对图像进行灰度级修正不仅能保证图像格式的统一，还能够减弱噪声对图像造成的影响。

2.2.2 图像分割

将PET图像数据导入计划系统软件，临床医生依据患者病人对PET图像肿瘤感兴趣区域（靶区）进行勾画（如图2）所示用于后续的靶区分析和病人放疗治疗[6]。对勾画好的图像采用基于边缘特征的方法对图像进行分割[7]，分割出肿瘤的感兴趣区域。

2.3 图像特征值提取

本文提取的纹理特征值依据灰度共生矩阵原理[8]，提取了6个纹理特征值：角二阶矩（Second angular moment），对比度（Contrast），熵（Entropy），均一性（Homogeneity），差异性（Dissimilarity），逆差距（Inverse difference moment）。

3 实验验证

3.1 实验环境

本文实验是在硬件運行环境为Intel（R）Xeon（R）CPU E5-2609 v2、内存为8G的PC机；软件环境包括Windows7系统，Matlab软件。在VisualC++开发环境下，Matlab开发平台编程实现算法进行实验。

3.2 实验结果及分析

本实验选择原发性肺癌患者15例的治疗前拍摄的PET图像数据集，PET图像灰度等级为64，通过图像预处理及病灶勾画分割后，把PET图像导入Matlab开发平台环境下的研发代码程序，对PET图像靶区纹理特征值进行计算提取。通过实验，成功提取了患者PET图像的纹理特征值，实例如图3所示。

4 总结

本研究依据灰度共生矩阵原理，应用自行研发的Matlab算法计算提取了肺癌患者的多个纹理参数特征值，相对于此前研究提取的少数纹理参数值，不仅设计更多的纹理参数值算法，而且提取的纹理参数值进一步丰富了癌症病变部位病灶的纹理信息，为研究特征值与临床参数之间关系提供了桥梁，也为病情诊断提供了依据。

参考文献：

[1] Juweid M E，Cheson B D.Positron emission tomography and assessment of cancer therapy.N ENGL J Med，2006（354）：496-507.

[2] Ell PJ.The contribution of PET/CT to improved patient management.Br J Radiol，2016（79）：32-36.

[3] Ito K，Kato T，Tadokoro M，et al.Recurrent rectal cancer and scar：differentiation with PETand MRimaging.Radiology，1992（182）：549-552.

[4] Philippe Lambin， Emmanuel Rios-Velazquez， Ralph Leijenaar， Sara Carvalho， Ruud G.P.M. van Stiphout， Patrick Granton， et al. Radiomics： extracting more information from medical images using advanced feature analysis[J]. European Journal of Cancer， 2012（48）：441-446.

[5] 纪小龙，尹彤，李凌.异质性在肿瘤基础及临床研究中的意义[J].中华肿瘤杂志，2000，22（4）：348-350.

[6] 郭依正，焦蓬蓬，周巧扣，等.基于灰度共生矩阵的肝脏CT图像纹理特征分析[J].实验室研究与探索，2012，31（8）：62-64.

[7] Beyer Thomas， Townsend David W， Brun Tony， Kinahan Paul E，et al. A combined PET/CT scanner for clinical oncology[J]. The Journal of Nuclear Medicine， 2000（41）： 1369-1379.

[8] 包尚聯，黄新瑞，邹润磊.PET成像及其在中国发展的建议[J].中国医疗器械信息，2003（5）：17-20.