董振宇 劉鐳 劉力 張玲利 葉然 譚瑩

乳腺腫物病變的檢出率逐年增高［1］。乳腺內(nèi)結(jié)節(jié)病變種類較多， 對(duì)于其性質(zhì)的鑒別往往存在困難［2］。提高乳腺內(nèi)腫物病變的惡性檢出率，是無創(chuàng)診斷領(lǐng)域的熱點(diǎn)，也是提高生存率的重要手段。超聲是目前最廣泛使用的無創(chuàng)診斷技術(shù)， 但診斷水平參差不齊。而隨著圖像識(shí)別技術(shù)發(fā)展，對(duì)于超聲診斷的客觀性、全面性提出了更高的要求［3］。本研究通過以病理和超聲圖像的等比例取樣點(diǎn)特征，并通過標(biāo)化、非線性增強(qiáng)等干涉手段建立相關(guān)性方程，對(duì)乳腺內(nèi)腫物病變圖像做出良惡性診斷，并與人工檢查和病理檢查結(jié)果對(duì)比， 以探討該技術(shù)的臨床應(yīng)用價(jià)值。

資料與方法

1.研究對(duì)象

2018年1月～2019年3月來我院就診的患者79 人，年齡 40±16 歲，全部為女性。納入標(biāo)準(zhǔn)：經(jīng)過B 超檢查在上述人群乳腺內(nèi)選定腫物病變79個(gè)，其中良性 50 例，惡性 29 例。79 個(gè)結(jié)節(jié)分為兩組，建模組 45 例，其中良性 30 例，惡性 15 例，驗(yàn)證組34 例，其中良性20 例，惡性14 例。全部經(jīng)過人工檢查、偏倚式干涉（bias interference，BI）檢查和手術(shù)。全部患者在行手術(shù)前均簽署知情同意書。本研究經(jīng)我院倫理委員會(huì)審核通過。

2.研究方法

本研究采用董振宇等［4］建立的采樣方法。超聲診斷儀使用了Philips IU ELITE、GE LOGIQ E9、EPIQ 5 并配合其相應(yīng)線陣探頭結(jié)合乳腺預(yù)設(shè)條件。（1）病理學(xué)及超聲圖像特征提取。對(duì)建模組獲取的病變圖像使用Coral Paint Shop Pro 2019 為工具，以大體病理標(biāo)本為本底，灰度化本底圖片，以病灶中心為中點(diǎn)，每120°定向等間距（病灶中心至邊緣長(zhǎng)度25%）取點(diǎn)，取點(diǎn)范圍涵蓋病變邊緣［5,6］，獲取每點(diǎn)灰階數(shù)值（圖1，2）。超聲圖像的處理與病理圖像的處理一致（圖3）［7,8］。為保證超聲圖像和病理圖像的對(duì)應(yīng)關(guān)系， 在獲取病理標(biāo)本做切片時(shí)，按乳腺掃查方向進(jìn)行切割，以其相對(duì)于胸骨旁線垂直距離、距前腋皺襞起始點(diǎn)距離、鎖骨中線上距肋緣距離定位腫塊，并依此切割（圖4）。（2）對(duì)（1）中獲取數(shù)據(jù)行BI。對(duì)病理及超聲獲取數(shù)據(jù)進(jìn)行相關(guān)性分析并建立回歸方程。將該方程引入MATLAB 并對(duì)驗(yàn)證組中病灶超聲圖像進(jìn)行自動(dòng)分析獲取結(jié)果［9］。（3）將（2）中的分析與人工檢查及病理檢查對(duì)比，進(jìn)行統(tǒng)計(jì)學(xué)分析。

采用SPSS 22 統(tǒng)計(jì)軟件。灰階等計(jì)量資料的數(shù)據(jù)以均數(shù)±標(biāo)準(zhǔn)差（）表示。兩組間差異比較使用t 檢驗(yàn)，多組間比較采用方差分析，計(jì)數(shù)資料用相對(duì)數(shù)表示,組間比較采用 χ2檢驗(yàn)。P＜0.05 為差異具有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

79 個(gè)乳腺內(nèi)腫物病變惡性共計(jì)29 例， 良性50 例，建模組 45 例，其中良性 30 例（病灶大小21±7 mm），惡性 15 例（病灶大小 29±10 mm），驗(yàn)證組 34 例，其中良性 20 例（病灶大小 22±8 mm），惡性 14 例（病灶大小 28±15 mm）。均完成病理學(xué)檢查。兩組行 χ2檢驗(yàn)，提示兩組間病例數(shù)量（χ2=0.513，P=0.474）及病灶大?。é?=0.041，P=0.84）間差異均無統(tǒng)計(jì)學(xué)意義。

圖1 大體標(biāo)本圖像灰度值示例 圖2 Paint Shop Pro 定點(diǎn)采集并測(cè)量病理圖 圖3 Paint Shop Pro 定點(diǎn)采集并測(cè)量超聲圖像灰度值示例 圖4 以胸骨旁線垂直距離、 距前腋皺襞起始點(diǎn)距離、鎖骨中線上距肋緣距離相對(duì)于乳腺腫塊的位置作為定位標(biāo)記（紅線標(biāo)記），確保切片的準(zhǔn)確性

對(duì)建模組中的良、 惡性病灶超聲圖像及病理大體標(biāo)本獲取的圖像（含數(shù)據(jù)）見圖5、6，數(shù)據(jù)分析如下（表1，2）。

依據(jù)獲取數(shù)據(jù)以超聲灰度測(cè)值為自變量對(duì)兩組數(shù)據(jù)進(jìn)行相關(guān)性分析，相關(guān)性分析結(jié)果見表3。

超聲圖像各點(diǎn)可見與病理圖像具有統(tǒng)計(jì)學(xué)意義的相關(guān)性。將上述相關(guān)性公式導(dǎo)入MATLAB 運(yùn)行，對(duì)驗(yàn)證組34 例圖像進(jìn)行分析，符合中心-25-50-75-邊緣的圖像會(huì)被系統(tǒng)自動(dòng)標(biāo)識(shí)出來， 其中圖像符合定義為自變量系數(shù)χ[-1.1,1.1]，符合此圖像范圍內(nèi)病灶即被認(rèn)為符合惡性病變特征，未完全標(biāo)識(shí)5 種特征的圖像被認(rèn)為是良性病變。其統(tǒng)計(jì)結(jié)果如表 4。BI 的符合率 82.35（28/34），真陽性率 80.00%（16/20），真陰性率 85.71（13/15）。由表5 可知，人工檢查與BI 的檢查結(jié)果之間差異無統(tǒng)計(jì)學(xué)意義。

圖5 a)建模組良性病灶及數(shù)據(jù)采集；b)建模組惡性病灶及數(shù)據(jù)采集 圖6 a)驗(yàn)證組良性病灶及數(shù)據(jù)采集；b)驗(yàn)證組惡性病灶及數(shù)據(jù)采集

表1 建模組病理大體標(biāo)本獲取的圖像灰階數(shù)據(jù)情況 （）

表1 建模組病理大體標(biāo)本獲取的圖像灰階數(shù)據(jù)情況 （）

注：對(duì)原始數(shù)據(jù)行獨(dú)立樣本 t 檢驗(yàn)，中心、25%距離、50%距離、75%距離、邊緣 t 值分別為-8.618、-7.702、-6.473、-4.195、3.325（P=0.000、0.000、0.000、0.000、0.002）

良性惡性中心70±12 40±6距中心25%瘤體大小83±15 61±29距中心50%瘤體大小73±19 60±25距中心75%瘤體大小81±21 74±24邊緣86±9 91±19

表2 建模組超聲圖像灰階數(shù)據(jù)情況 （）

表2 建模組超聲圖像灰階數(shù)據(jù)情況 （）

注：對(duì)原始數(shù)據(jù)行 χ2 分析，中心、25%距離、50%距離、75%距離、邊緣 t 值分別為-6.540、-4.506、-5.914、5.837，6.127（P=0.000、0.000、0.000、0.000、0.000）

良性惡性中心71±9 74±12距中心25%瘤體大小77±13 61±12距中心50%瘤體大小76±19 68±9距中心75%瘤體大小90±18 87±12邊緣81±8 87±5

表3 超聲及病理圖像相關(guān)性分析情況

表4 圖像特征識(shí)別結(jié)果情況（例）

表5 BI 與人工檢查圖像識(shí)別結(jié)果情況（例）

討 論

超聲作為一種快捷簡(jiǎn)便的醫(yī)學(xué)常用技術(shù)已廣為使用。本課題的建立目的為通過自動(dòng)化分析提高超聲診斷效率， 并依據(jù)相關(guān)結(jié)果對(duì)該技術(shù)的臨床應(yīng)用價(jià)值做出初步的研究［10,11］。圖像的建模方式多種多樣［12］，本課題建?；诓±泶篌w標(biāo)本，在超聲相應(yīng)位置基于灰階圖像建立圖像干涉， 對(duì)超聲圖像進(jìn)行糾正并建模。

乳腺腫物的良惡性診斷時(shí)機(jī)決定了預(yù)后。雖然乳腺癌大部分惡性程度較低， 且其預(yù)后與患者的年齡、病理分級(jí)等因素有關(guān)，但早期診斷仍是延長(zhǎng)生存時(shí)間的最主要因素［13,14］。本研究結(jié)果顯示了超聲圖像與病理圖像相關(guān)的變化規(guī)律， 對(duì)乳腺內(nèi)腫物病變的定性提供了較為有力的幫助［15,16］。

結(jié)果中顯示病理和超聲圖像的定點(diǎn)灰階值的差異無統(tǒng)計(jì)學(xué)意義， 這也說明了病理學(xué)圖像與超聲圖像實(shí)質(zhì)是相對(duì)應(yīng)的。超聲是以灰度變化區(qū)分各組織間形態(tài)的差異， 無論是病灶邊緣還是內(nèi)部結(jié)構(gòu)［17］。因此病理學(xué)大體診斷規(guī)律可通過數(shù)學(xué)方程表達(dá)， 也因此對(duì)于病灶中心至邊緣區(qū)域的圖像變化可建立回歸方程， 這也是利用病理學(xué)大體圖像建模的優(yōu)勢(shì)［18,19］。同時(shí)為保證準(zhǔn)確利用相對(duì)位置的圖像特征對(duì)超聲圖像屬性進(jìn)行調(diào)整。本研究中通過多層次動(dòng)態(tài)掃查獲取全容積圖像， 在結(jié)合病理學(xué)以超聲視角進(jìn)行操作（如切割固定）基礎(chǔ)上提取相應(yīng)部位圖像，以保證對(duì)應(yīng)位置的準(zhǔn)確性。

結(jié)果提示超聲圖像和病理圖像的定位點(diǎn)特征其差異不具有顯著統(tǒng)計(jì)學(xué)意義， 說明超聲圖像的特征分析是可做出較吻合的診斷。應(yīng)用該技術(shù)后的診斷情況與病理符合率較高， 且與人工檢查的差異無統(tǒng)計(jì)學(xué)意義， 因此該技術(shù)對(duì)于快速篩查診斷有較理想的應(yīng)用價(jià)值。而對(duì)于良惡性的鑒別診斷除了使用中心距離的圖像灰階屬性分析（點(diǎn)分析）外，還可使用區(qū)域光點(diǎn)分布密度（面分析）來分析，增加該技術(shù)應(yīng)用的廣度［20］。

理論上病灶取點(diǎn)越多越準(zhǔn)確， 但由于受限于儀器性能及數(shù)據(jù)傳輸?shù)臏螅?本課題依然使用了5 點(diǎn)是依據(jù)病灶的大小和圖像分辨率制定的。相關(guān)性分析中的散點(diǎn)圖呈沿線性集中的趨勢(shì)能說明超聲圖像的變化規(guī)律是與病理相對(duì)應(yīng)的。多角度選點(diǎn)的目的在于防止背景圖像的不均質(zhì)性造成圖像干涉的不確定性， 由此可能造成對(duì)病灶定性錯(cuò)誤。本次研究的多點(diǎn)采樣也顯示了位于同一直線的采點(diǎn)如偏離軸線形成一個(gè)小的區(qū)域， 則診斷的敏感性會(huì)增高， 但囿于設(shè)備性能未對(duì)此進(jìn)行進(jìn)一步研究。

本次研究的數(shù)據(jù)以及相關(guān)資料的研究提示，自動(dòng)化智能化做出超聲診斷是目前精準(zhǔn)醫(yī)療的發(fā)展方向，也是可行及可靠的。在研究過程中發(fā)現(xiàn)如下情況：（1）乳腺內(nèi)腫物病變的亞型分類無法用通用公式解決。（2）大體標(biāo)本的獲取、切割導(dǎo)出血的污染， 人為因素造成病灶的缺失導(dǎo)致病灶范圍過小等問題依然存在， 因此該技術(shù)目前不能替代病理學(xué)，尤其是細(xì)針取樣活檢。（3）數(shù)據(jù)處理對(duì)工作平臺(tái)的性能亦具有一定要求， 進(jìn)行廣泛臨床應(yīng)用仍存在困難。（4）對(duì)于分辨率要求比較高，較小的病變依然存在取點(diǎn)的困難， 病灶大小與腫瘤生物學(xué)特性關(guān)系的不明確性仍需要大樣本的檢驗(yàn)。

本研究利用圖像BI 技術(shù)對(duì)超聲圖像調(diào)整并應(yīng)用于臨床診斷，BI 病理符合率高， 與人工操作無差異，其有助于為臨床提供較為有價(jià)值的信息。