基于主成分分析模型的肝双模超声造影改良呼吸运动校正法

王 薇，张 冀

(1.武汉大学中南医院综合超声科，2.医学影像科，湖北 武汉 430070)

超声造影(contrast-enhanced ultrasound, CEUS)可反映组织血流灌注情况，已用于肝、肾及脑等多种器官。定量分析CEUS图像有助于克服肉眼观察的主观性[1]，提高鉴别诊断良、恶性肝肿瘤及其病理类型的准确度[2-3]。CEUS检查通常于患者平静浅呼吸状态下进行，故呼吸运动校正是定量分析肝CEUS图像的必要前提[4]。CEUS中多以支持造影图像和组织灰阶图像的双模式窗口观察造影过程，基于双模CEUS序列呼吸运动校正法的研究较多[4-9]。早期研究通过观察兔肝VX2肿瘤的CEUS双模序列建立了主成分分析(principal component analysis, PCA)呼吸运动模型，并提取呼吸运动信号，成功校正了兔肝CEUS序列[9]。本研究对上述呼吸运动校正方法[8-9]加以改进，并观察其用于肝双模CEUS的价值。

1 资料与方法

1.1 一般资料 收集2016年8月—2019年6月11例就诊于武汉大学中南医院的肝脏肿瘤患者，男4例，女7例，年龄38～68岁，中位年龄52岁；肿瘤最大径30～56 mm，平均(34.10±15.02)mm；包括肝内胆管细胞癌1例，肝细胞癌1例，直肠癌肝转移2例，肝海绵状血管瘤7例。本研究获院伦理委员会批准。检查前患者均签署知情同意书。

1.2 仪器与方法 采用Philips IU22超声诊断仪，L12-5线阵探头，频率3.5 MHz；或GE Logic E9超声诊断仪，ML6-15线阵探头，频率3.5 MHz。嘱患者平卧、规律浅呼吸，将探头置于腹部，并连于自制机械支架固定装置，扫查肝内病灶，扫查深度14 cm，聚焦点置于12 cm处；之后将造影剂声诺维(Brraco)与生理盐水混合、振荡，制成5 mg/ml乳状微泡悬液，并经肘部静脉快速团注2.4 ml，之后注入5 ml生理盐水冲洗，采用脉冲反相谐波造影条件进行造影，机械指数设为0.09，录制动态灌注过程约5 min，每秒7～10 帧。对11组录像数据进行编号，提取增强开始40～55 s的图像。采用Matlab(The Mathworks Inc., Natick, MA)编写所有程序。

1.3 呼吸运动校正算法 首先将采集到的肝脏肿瘤CEUS视频转换为图像序列I，共含有N帧连续图像，即I={In|n∈{1, …,N}}；基于灰阶子图像序列建立PCA模型，并以其主成分合成最佳呼吸运动曲线；CEUS中肿瘤信号强度变化通常分为上升期、峰期和下降期[8]，于峰期选取与呼吸曲线均值相位处最近的图像作为参照图，并于呼吸周期间隔内选取与参照图相位处最近的图像作为校正后灰阶图像序列。见图1。

图1 呼吸运动校正算法流程图

1.3.1 图像预处理 将肝肿瘤CEUS视频转换为每秒7～10帧的动态图像序列，并通过核大小3×3的低通高斯滤波器(σ=1.50)，以降低斑点噪声的影响[8]。

1.3.3 选取参照图 参照文献[8]方法，将ROI置于6例肝脏恶性肿瘤灌注区域及7例血管瘤患者肝内非瘤区域，获取其时间-强度曲线(time-intensity curve, TIC)；采用巴特沃斯低通滤波器过滤TIC的呼吸运动成分，得到平滑的血流灌注曲线(图2)及大概峰值时间，通带最大衰减值和阻带最小衰减值分别为3 dB和30 dB[9]；以与所有图像呼吸曲线幅度均值最近且距峰值图<1 s的图像为最佳参照图(图3)。

图2 采用巴特沃斯滤波器处理前、后非瘤肝组织的TIC 图3 呼吸运动曲线 红点表示图像，黄色*表示图2中的峰值图像，绿圈表示最佳参照图 图4 经DFT后呼吸曲线频谱 以峰值对应频率的倒数为时间间隔(箭)

1.3.4 挑选图像 设定时间间隔m：m=N(0.5T)，其中T为呼吸周期，N取正整数[8]。选择与参照图相位最相近的呼吸曲线图像作为校正后灰阶图像序列，并对合成的呼吸曲线行离散傅里叶变换(discrete Fourier transform, DFT)(图4)，通过位置映射获取对应CEUS图像序列。

1.4 TIC视觉评价 将10×10像素的ROI置于肿瘤周围非瘤肝组织中，比较校正前、后增强序列于ROI中提取TIC的光滑度。

1.5 定量分析

1.5.1 图像相关系数(correlation coefficient, CC) 以CC为两幅图像的相似性测度，即：

(1)

计算校正前、后灰阶图像序列中待测图像与参照图的CC平均值(mean CC, MCC)，即：

(2)

式中，I为待测序列中的图像，R为参照图，i为图像序数，N为图像序列数目。

1.5.2 TIC偏差值(deviation value, DV) 采用TIC拟合残差评价拟合质量，如DV过高，则曲线拟合质量下降，即相关灌注参数不可靠；其曲线拟合所用数学灌注模型为[8]：

(3)

式中，O、A、m、s均为拟合参数，其中，O是偏移值，A是幅度参数，m和s分别是均值和正态分布自然对数t的标准差。

TIC的DV为观测值C(t)与对应拟合曲线Cf(t)之间的差异，即：

(4)

式中，SSR为残差平方和，计算方式如下：

(5)

式中，N是采样点数，t是采样点索引值。

1.5.3 图像结构相似度(structural similarity, SSIM) 采用结构信息评价校正前、后灰阶图像序列中参照图与待测图像的相似度，假设x、y分别为参照图和待测图像，2幅图像之间的SSIM为[10]：

SSIM(x,y)=[l(x,y)]αg[c(x,y)]βg[s(x,y)]γ

(6)

式中，l(x,y)、c(x,y)和s(x,y)分别为亮度比较函数、对比度比较函数和结构相似度比较函数[公式(7)、(8)和(9)]；α、β和γ分别用以调整亮度、对比度和结构信息函数的权重关系。

(7)

(8)

(9)

式中，μx和μy分别为x和y亮度的均值，σx和σy分别为x和y亮度的标准差，σxy表示x和y亮度的协方差，C1、C2和C3均为值很小的正常数，以避免公式(6)中分母为0而出现不稳定。

当α=β=γ=1且C3=C2/2时，公式(6)可简化为：

(10)

采用11×11像素窗口逐像素在参照图和待测图像上移动，计算所有图像块平均SSIM(mean SSIM, MSSIM)，即：

(11)

式中，X和Y分别代表参照图和待测图像，xi和yi表示第i个子图像，M为子图像总数。先计算校正前后图像中参考图像与其他图像的MSSIM，然后再取校正前后灰度图像序列所有MSSIM的均值(total MSSIM, TMSSIM)。

1.6 统计学分析 采用SPSS 23.0统计分析软件。以Kolmogorov-Smirnov法行正态性检验，以±s表示符合正态分布的计量资料，采用独立样本t检验；以中位数(上下四分位数)表示不符合正态分布的计量资料，行Mann-WhitneyU检验。P<0.05为差异有统计学意义。

2 结果

校正前，于CEUS图像序列ROI中提取的TIC随呼吸频率振荡明显；校正后，灰阶图像序列和对应CEUS图像序列中肿瘤基本位于图像中心，且提取的TIC较平滑,利于根据血流灌注模型进行曲线拟合。见图5。

图5 患者女，45岁，肝海绵状血管瘤 A.参照图像； B.校正后的灰阶图像序列； C.对应CEUS图像序列； D.校正前、后自CEUS图像序列ROI中提取的TIC(蓝线：校正前TIC；红线：校正后TIC；黄圈：校正后图像ROI的TIC信号)

校正后，图像序列TMSSIM和MCC均明显大于校正前(P均<0.05)，DV则明显小于校正前(P<0.05)；即灰阶图像序列中图像TMSSIM明显增加，校正后图像序列相关性明显提高，且校正后CEUS图像序列TIC拟合度明显提高。见表1。

表1 校正前、后图像序列的TMSSIM、DV和MCC比较

3 讨论

选择参照图是呼吸运动校正的关键步骤之一。既往研究[5-6]多手动任意选择含有肿瘤层面的图像作为参照图，并于呼吸周期内挑选与参照图相关性最大的图像作为校正后图像序列；由于呼吸幅度不一致，且手持超声探头可能偏移而影响数据，采用上述方法无法确保选出图像中与参照图相似度高者占比最多[8]。ZHANG等[8]采用拉普拉斯特征映射法将原始高维超声灰阶图像降至二维，以K-means法聚类分析获取参照图，并根据手持探头偏移情况估计聚类数目。为减少探头偏移，本研究以夹持探头装置和自由机械臂制成超声探头支架，以此将探头固定于患者腹部，并嘱患者尽可能均匀呼吸，以减少呼吸曲线偏移成分，提高PCA模型的准确性；以肿瘤某一层面为中心，采集自由呼吸运动数据，为减少平面外图像数量，以呼吸曲线幅度均值相位处、靠近肿瘤中心层面的图像作为参照图，可使与参照图相似度高的图像数达到最大值。

采用PCA分析数据时，对于合成呼吸曲线的主成分个数目前仍处于探索中。CHEN等[11]采用PCA模型，以3个主成分描述接受放射治疗患者的肺部呼吸运动轨迹。ZHANG等[8]分析18个兔肝VX2肿瘤的CEUS数据主成分，发现其中10个为含2个主成分、8个为含3个主成分的合成呼吸曲线。本研究分析11例肝脏肿瘤CEUS数据主成分，发现9例为含2个主成分、2例为含3个主成分的合成呼吸曲线，结合既往研究结果，可认为合成呼吸曲线的主要主成分数目一般不超过3个。本研究校正后图像序列的TMSSIM和MCC均明显大于校正前，而其DV明显小于校正前，表明校正后图像质量得以提高；2例校正前、后DV相差6倍以上，且采集的观测面可见肿瘤由内向外往返运动，其余9例则见肿瘤由左向右往返运动；最大径小于3 cm肿瘤由内向外运动时更易出现平面外图像，而当肿瘤较大、即肿瘤观测层面较多时，平面外图像出现率有所降低，提示应尽量调整探头，于肿瘤左右运动层面进行观测并采集数据。

综上所述，本研究采用基于PCA模型的改良呼吸运动校正法，无需参数即可选择参照图，用于肝脏双模CEUS图像序列具有一定临床价值。但本研究样本量小，且主要针对可规律、平稳呼吸的患者，对所获结论有待进一步验证。