超声图像偏倚式干涉技术的建立及鉴别乳腺肿物性质的研究

董振宇 刘镭 刘力 张玲利 叶然 谭莹

乳腺肿物病变的检出率逐年增高［1］。乳腺内结节病变种类较多， 对于其性质的鉴别往往存在困难［2］。提高乳腺内肿物病变的恶性检出率，是无创诊断领域的热点，也是提高生存率的重要手段。超声是目前最广泛使用的无创诊断技术， 但诊断水平参差不齐。而随着图像识别技术发展，对于超声诊断的客观性、全面性提出了更高的要求［3］。本研究通过以病理和超声图像的等比例取样点特征，并通过标化、非线性增强等干涉手段建立相关性方程，对乳腺内肿物病变图像做出良恶性诊断，并与人工检查和病理检查结果对比， 以探讨该技术的临床应用价值。

资料与方法

1.研究对象

2018年1月～2019年3月来我院就诊的患者79 人，年龄 40±16 岁，全部为女性。纳入标准：经过B 超检查在上述人群乳腺内选定肿物病变79个，其中良性 50 例，恶性 29 例。79 个结节分为两组，建模组 45 例，其中良性 30 例，恶性 15 例，验证组34 例，其中良性20 例，恶性14 例。全部经过人工检查、偏倚式干涉（bias interference，BI）检查和手术。全部患者在行手术前均签署知情同意书。本研究经我院伦理委员会审核通过。

2.研究方法

本研究采用董振宇等［4］建立的采样方法。超声诊断仪使用了Philips IU ELITE、GE LOGIQ E9、EPIQ 5 并配合其相应线阵探头结合乳腺预设条件。（1）病理学及超声图像特征提取。对建模组获取的病变图像使用Coral Paint Shop Pro 2019 为工具，以大体病理标本为本底，灰度化本底图片，以病灶中心为中点，每120°定向等间距（病灶中心至边缘长度25%）取点，取点范围涵盖病变边缘［5,6］，获取每点灰阶数值（图1，2）。超声图像的处理与病理图像的处理一致（图3）［7,8］。为保证超声图像和病理图像的对应关系， 在获取病理标本做切片时，按乳腺扫查方向进行切割，以其相对于胸骨旁线垂直距离、距前腋皱襞起始点距离、锁骨中线上距肋缘距离定位肿块，并依此切割（图4）。（2）对（1）中获取数据行BI。对病理及超声获取数据进行相关性分析并建立回归方程。将该方程引入MATLAB 并对验证组中病灶超声图像进行自动分析获取结果［9］。（3）将（2）中的分析与人工检查及病理检查对比，进行统计学分析。

采用SPSS 22 统计软件。灰阶等计量资料的数据以均数±标准差（）表示。两组间差异比较使用t 检验，多组间比较采用方差分析，计数资料用相对数表示,组间比较采用 χ2检验。P＜0.05 为差异具有统计学意义。

结 果

79 个乳腺内肿物病变恶性共计29 例， 良性50 例，建模组 45 例，其中良性 30 例（病灶大小21±7 mm），恶性 15 例（病灶大小 29±10 mm），验证组 34 例，其中良性 20 例（病灶大小 22±8 mm），恶性 14 例（病灶大小 28±15 mm）。均完成病理学检查。两组行 χ2检验，提示两组间病例数量（χ2=0.513，P=0.474）及病灶大小（χ2=0.041，P=0.84）间差异均无统计学意义。

图1 大体标本图像灰度值示例 图2 Paint Shop Pro 定点采集并测量病理图 图3 Paint Shop Pro 定点采集并测量超声图像灰度值示例 图4 以胸骨旁线垂直距离、 距前腋皱襞起始点距离、锁骨中线上距肋缘距离相对于乳腺肿块的位置作为定位标记（红线标记），确保切片的准确性

对建模组中的良、 恶性病灶超声图像及病理大体标本获取的图像（含数据）见图5、6，数据分析如下（表1，2）。

依据获取数据以超声灰度测值为自变量对两组数据进行相关性分析，相关性分析结果见表3。

超声图像各点可见与病理图像具有统计学意义的相关性。将上述相关性公式导入MATLAB 运行，对验证组34 例图像进行分析，符合中心-25-50-75-边缘的图像会被系统自动标识出来， 其中图像符合定义为自变量系数χ[-1.1,1.1]，符合此图像范围内病灶即被认为符合恶性病变特征，未完全标识5 种特征的图像被认为是良性病变。其统计结果如表 4。BI 的符合率 82.35（28/34），真阳性率 80.00%（16/20），真阴性率 85.71（13/15）。由表5 可知，人工检查与BI 的检查结果之间差异无统计学意义。

图5 a)建模组良性病灶及数据采集；b)建模组恶性病灶及数据采集 图6 a)验证组良性病灶及数据采集；b)验证组恶性病灶及数据采集

表1 建模组病理大体标本获取的图像灰阶数据情况 （）

表1 建模组病理大体标本获取的图像灰阶数据情况 （）

注：对原始数据行独立样本 t 检验，中心、25%距离、50%距离、75%距离、边缘 t 值分别为-8.618、-7.702、-6.473、-4.195、3.325（P=0.000、0.000、0.000、0.000、0.002）

良性恶性中心70±12 40±6距中心25%瘤体大小83±15 61±29距中心50%瘤体大小73±19 60±25距中心75%瘤体大小81±21 74±24边缘86±9 91±19

表2 建模组超声图像灰阶数据情况 （）

表2 建模组超声图像灰阶数据情况 （）

注：对原始数据行 χ2 分析，中心、25%距离、50%距离、75%距离、边缘 t 值分别为-6.540、-4.506、-5.914、5.837，6.127（P=0.000、0.000、0.000、0.000、0.000）

良性恶性中心71±9 74±12距中心25%瘤体大小77±13 61±12距中心50%瘤体大小76±19 68±9距中心75%瘤体大小90±18 87±12边缘81±8 87±5

表3 超声及病理图像相关性分析情况

表4 图像特征识别结果情况（例）

表5 BI 与人工检查图像识别结果情况（例）

讨 论

超声作为一种快捷简便的医学常用技术已广为使用。本课题的建立目的为通过自动化分析提高超声诊断效率， 并依据相关结果对该技术的临床应用价值做出初步的研究［10,11］。图像的建模方式多种多样［12］，本课题建模基于病理大体标本，在超声相应位置基于灰阶图像建立图像干涉， 对超声图像进行纠正并建模。

乳腺肿物的良恶性诊断时机决定了预后。虽然乳腺癌大部分恶性程度较低， 且其预后与患者的年龄、病理分级等因素有关，但早期诊断仍是延长生存时间的最主要因素［13,14］。本研究结果显示了超声图像与病理图像相关的变化规律， 对乳腺内肿物病变的定性提供了较为有力的帮助［15,16］。

结果中显示病理和超声图像的定点灰阶值的差异无统计学意义， 这也说明了病理学图像与超声图像实质是相对应的。超声是以灰度变化区分各组织间形态的差异， 无论是病灶边缘还是内部结构［17］。因此病理学大体诊断规律可通过数学方程表达， 也因此对于病灶中心至边缘区域的图像变化可建立回归方程， 这也是利用病理学大体图像建模的优势［18,19］。同时为保证准确利用相对位置的图像特征对超声图像属性进行调整。本研究中通过多层次动态扫查获取全容积图像， 在结合病理学以超声视角进行操作（如切割固定）基础上提取相应部位图像，以保证对应位置的准确性。

结果提示超声图像和病理图像的定位点特征其差异不具有显著统计学意义， 说明超声图像的特征分析是可做出较吻合的诊断。应用该技术后的诊断情况与病理符合率较高， 且与人工检查的差异无统计学意义， 因此该技术对于快速筛查诊断有较理想的应用价值。而对于良恶性的鉴别诊断除了使用中心距离的图像灰阶属性分析（点分析）外，还可使用区域光点分布密度（面分析）来分析，增加该技术应用的广度［20］。

理论上病灶取点越多越准确， 但由于受限于仪器性能及数据传输的滞后， 本课题依然使用了5 点是依据病灶的大小和图像分辨率制定的。相关性分析中的散点图呈沿线性集中的趋势能说明超声图像的变化规律是与病理相对应的。多角度选点的目的在于防止背景图像的不均质性造成图像干涉的不确定性， 由此可能造成对病灶定性错误。本次研究的多点采样也显示了位于同一直线的采点如偏离轴线形成一个小的区域， 则诊断的敏感性会增高， 但囿于设备性能未对此进行进一步研究。

本次研究的数据以及相关资料的研究提示，自动化智能化做出超声诊断是目前精准医疗的发展方向，也是可行及可靠的。在研究过程中发现如下情况：（1）乳腺内肿物病变的亚型分类无法用通用公式解决。（2）大体标本的获取、切割导出血的污染， 人为因素造成病灶的缺失导致病灶范围过小等问题依然存在， 因此该技术目前不能替代病理学，尤其是细针取样活检。（3）数据处理对工作平台的性能亦具有一定要求， 进行广泛临床应用仍存在困难。（4）对于分辨率要求比较高，较小的病变依然存在取点的困难， 病灶大小与肿瘤生物学特性关系的不明确性仍需要大样本的检验。

本研究利用图像BI 技术对超声图像调整并应用于临床诊断，BI 病理符合率高， 与人工操作无差异，其有助于为临床提供较为有价值的信息。