宋家琳，劉 翔，章建全，劉士遠，王碩鴻，付 靜，趙佳琦，刁宗平，盛建國

(1.中國人民解放軍海軍軍醫(yī)大學(xué)附屬長征醫(yī)院超聲科，3.影像科，上海 200003；2.上海工程技術(shù)大學(xué)電子電氣工程學(xué)院，上海 201620；4.哈佛大學(xué)分子與細胞生物學(xué)系及腦科學(xué)研究中心，美國 劍橋 02138)

約20%～30%慢性乙型肝炎(簡稱乙肝)患者將發(fā)展為肝硬化或肝癌，而肝病初期多無明顯癥狀，延誤診斷及治療。隨著人工智能理論日益成熟，計算機輔助診斷技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用逐漸廣泛，尤其是影像學(xué)領(lǐng)域[1-5]。2015年WHO發(fā)布的《慢性乙型肝炎病毒感染預(yù)防、護理和治療指南》[6]中特別強調(diào)，推薦使用簡單的非侵入性診斷檢測法評估肝病的發(fā)展階段和治療的恰當(dāng)性。本研究將計算機輔助診斷技術(shù)與高頻超聲圖像相結(jié)合，探討紋理特征參數(shù)定量評價乙肝肝硬化患者肝功能的應(yīng)用價值。

1 資料與方法

1.1 一般資料 收集2014年5月—2018年10月95例于中國人民解放軍海軍軍醫(yī)大學(xué)附屬長征醫(yī)院就診的乙肝肝硬化患者，男63例，女32例，年齡23～77歲，平均(53.6±11.3)歲；參照Child-Pugh改良分級計分標準對其進行肝功能評分，A級為5～6分，B級為7～9分，C級為10～15分；肝功能A級組37例，年齡28～71歲，平均(47.2±11.0)歲；B級組33例，年齡23～68歲，平均(49.5±12.6)歲；C級組25例，年齡31～77歲，平均(56.1±13.8)歲；均未接受過抗纖維化治療，并除外合并脂肪肝、酒精性肝病、血吸蟲肝病等其他器質(zhì)性慢性肝病。隨機選擇經(jīng)體檢、實驗室檢查、超聲或其他影像學(xué)檢查無肝臟疾病的健康志愿者21名作為對照組，男16名，女5名，年齡22～76歲，平均(51.1±12.6)歲。

1.2 儀器與方法 采用GE Voluson E8超聲診斷儀，11L線陣探頭，探頭頻率4～10 MHz。囑受檢者平臥或左側(cè)臥，于劍突下、右側(cè)肋間掃查肝臟，調(diào)整圖像深度及增益，盡可能清晰顯示肝包膜及淺表肝實質(zhì)，分別存儲肝右葉及左葉二維超聲圖像，每個部位至少存儲3張清晰圖像，用提取和分析于紋理特征參數(shù)。

1.3 肝實質(zhì)紋理分析及特征參數(shù)提取(圖1)

1.3.1 肝實質(zhì)紋理分析 采用Xie等[7]方法定位肝實質(zhì)區(qū)域圖像中的缺陷(肝硬化時，肝實質(zhì)紋理表現(xiàn)為不隨機、不規(guī)則，將此類區(qū)域視為肝實質(zhì)紋理圖像中的“缺陷”)。具體方法如下：①學(xué)習(xí)紋理基元，使用高斯混合模型(gaussian mixture modeling, GMM)建立紋理基元，用均值μ和協(xié)方差矩陣∑表征每個紋理基元ζk。首先對訓(xùn)練集中的肝實質(zhì)區(qū)域圖像構(gòu)建高斯金字塔，在其不同層提取圖像塊，以獲得不同尺度的訓(xùn)練圖像，選取15×15像素的圖像塊，高斯核尺寸3×3像素，標準差0.5，金字塔共4層，每層12個紋理基元；而后將15×15像素的圖像塊展開為1×255像素的行向量，對其進行主成分分析(principal components analysis, PCA)降維處理，將每個樣本圖像塊處理為1×8像素的行向量，再基于訓(xùn)練集使用期望最大化(expectation maximization, EM)算法學(xué)習(xí)紋理基元，即求解如下最優(yōu)化問題：

(1)

圖1 肝實質(zhì)紋理分析及特征參數(shù)提取方法流程圖

(2)

再對似然度進行k-means聚類，將金字塔每層的紋理基元聚成r個類，每個類又由其均值ur和標準差σr來表征。找到似然度均值最大的類m，用下式定義該上界(取ζ=5)。若某一樣本圖像似然度大于該上界，說明該圖像可能來自于有缺陷的組織(即肝硬化組織)。

(3)

③定位肝實質(zhì)缺陷，完成步驟①和②后，測試待診斷圖像。對每張測試圖像定位包膜線后，取包膜線下方肝實質(zhì)區(qū)域圖像，用與①中相同的參數(shù)構(gòu)建金字塔，并從金字塔的每層的每個像素處提取與訓(xùn)練樣本相同尺寸的15×15像素的圖像塊，用公式(2)計算似然度νi(i表示金字塔第i層)，然后與步驟②得到的上界比較，計算缺陷值，如下式：

(4)

若似然度ν小于上界，則該圖像塊來自于正常組織，缺陷值Di為0；若似然度νi大于上界，則保留缺陷值。最后，考慮同一個像素不同尺度下的缺陷值Di，得到肝實質(zhì)圖像中每個像素最終判定的缺陷值，如下式，該值越大，說明該像素所處位置的圖像紊亂程度越嚴重。

(5)

1.3.2 肝實質(zhì)紋理特征參數(shù)提取 以上述方法對肝實質(zhì)圖像分析，獲得肝實質(zhì)區(qū)域的缺陷圖D(圖2)。D中像素值反映該像素位于病變組織部位的概率?；谌毕輬D，使用檢測以下3項指標量化肝硬化的病變程度：①缺陷圖單位面積的局部最大值χ(D)，即缺陷圖D單位面積的局部極大值，計算方法為缺陷圖D的局部極大值除以缺陷圖D的面積。單位面積的局部極大值越大，說明肝硬化病變部位越多。②缺陷圖的均值mean(D)：即缺陷圖D所有像素的平均值，平均值越大，說明病變部位越多，紊亂程度越嚴重。③缺陷圖的熵ε(D)：即缺陷圖D的像素值矩陣的熵值，該值反映圖像灰度分布的空間特征(即紊亂程度)，熵值越大，說明缺陷圖像越紊亂。理論上講，χ(D)、mean(D)和ε(D)越大，肝硬化病變部位越多，聲像圖的紊亂程度越嚴重。

2 結(jié)果

4組間年齡(F=0.361，P=0.781)、性別(χ2=0.081，P=0.994)差異均無統(tǒng)計學(xué)意義，χ(D)、mean(D)和ε(D)差異均有統(tǒng)計學(xué)意義(P均<0.001)。A級組、B級組、C級組χ(D)、mean(D)均大于正常組，A級組、B級組ε(D)均大于正常組；B級組mean(D)、ε(D)大于A級組，ε(D)大于C級組；組間差異均有統(tǒng)計學(xué)意義(P均<0.05)。見表1。

圖2 不同肝功能分級肝硬化患者的二維高頻聲像圖及相應(yīng)肝實質(zhì)區(qū)域的缺陷圖 A、B.分別為正常對照者的肝實質(zhì)二維高頻聲像圖和缺陷圖； C、D.分別為肝功能A級患者的肝實質(zhì)二維高頻聲像圖和缺陷圖； E、F.分別為肝功能B級患者的肝實質(zhì)二維高頻聲像圖和缺陷圖； G、H. 分別為肝功能C級患者的肝實質(zhì)二維高頻聲像圖和缺陷圖

表1 各組肝實質(zhì)紋理特征參數(shù)比較

注：*：與正常組比較，P<0.05；#：與A級組比較，P<0.05；△：與C級組比較，P<0.05

3 討論

所有自然圖像均由微觀世界中的不同圖像基元組成，當(dāng)某種基元規(guī)律性或隨機性重復(fù)出現(xiàn)時，就形成了圖像的紋理結(jié)構(gòu)。紋理特征是理解圖像的重要信息源。醫(yī)學(xué)圖像中也包含紋理特征，且具有規(guī)律性、周期性和不變性[8]。超聲聲像圖的基元由組織內(nèi)眾多不可分辨的微小散射體構(gòu)成，超聲波在人體內(nèi)傳播時，遇到小于波長的細微組織會發(fā)生散射，散射波之間相互干擾，導(dǎo)致回波幅度波動，形成許多顆粒狀結(jié)構(gòu)，其按照一定的規(guī)律或周期排列，進而形成超聲聲像圖的紋理[9]；當(dāng)這種規(guī)律性消失或周期不再重復(fù)出現(xiàn)時，圖像紋理結(jié)構(gòu)會發(fā)生改變。人眼的分辨力在紋理灰度等級及空間分布方面有明顯局限性。計算機紋理分析技術(shù)可提供更加豐富、細微的信息，為聲像圖紋理的量化分析帶來了希望。

迄今已有很多學(xué)者[10-11]利用計算機技術(shù)致力于研究肝硬化、肝纖維化紋理，抽取紋理特征的主要方法為灰度共生矩陣、小波變換及局部二值模式(local binary pattern， LBP)等；但計算機技術(shù)本身存在局限性，如人工選取ROI主觀性較強，所提取的部分特征不能很好地反映臨床實際，分類效果提高不顯著等，尚未在臨床普及推廣。隨著人工智能的快速發(fā)展，機器學(xué)習(xí)逐漸得到應(yīng)用，其為人工智能的核心，是涉及概率論、統(tǒng)計學(xué)、逼近論、算法復(fù)雜度理論等多學(xué)科的交叉學(xué)科，通過研究計算機如何模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為而獲取新的知識或技能，重新組織已有知識結(jié)構(gòu)并不斷改善自身性能。本研究采用機器學(xué)習(xí)方法，通過學(xué)習(xí)表征正常肝實質(zhì)超聲聲像圖一系列紋理基元后，計算待測試的樣本圖像中每個像素所在的區(qū)域?qū)儆谡８螌嵸|(zhì)圖像的概率，如概率過小，即認為該區(qū)域?qū)儆诓∽兘M織。為避開超聲聲像圖中肝臟大血管的影響，單純分析肝實質(zhì)回聲，并提高分辨率，本研究使用高頻探頭掃查肝臟并存儲圖像，分析圖像中所有肝實質(zhì)紋理，不再提取ROI，以盡可能避免人工選取的主觀性，實現(xiàn)客觀分析。

本研究中提取的表示圖像紋理特征的3個參數(shù)χ(D)、mean(D)和ε(D)能夠反映圖像的紊亂程度。正常組、A級組和B級組中，除A級組與B級組數(shù)χ(D)差異無統(tǒng)計學(xué)意義外，其他2個參數(shù)3組間兩兩比較差異均有統(tǒng)計學(xué)意義，說其可提示肝硬化患者早期肝功能不全，根據(jù)mean(D)和ε(D)可以進行分級別診斷，但其敏感度和特異度有待進一步觀察。理論上講，參數(shù)數(shù)值越大，圖像紊亂程度越高，肝硬化程度越嚴重，患者肝功能越差，但實際結(jié)果卻并非如此。本研究發(fā)現(xiàn)，隨著肝功能級別程度增加，3個參數(shù)呈現(xiàn)出先逐漸增大、而后減小的趨勢，C級組的數(shù)值雖較正常組增大χ(D)、mean(D)，但均較B級組數(shù)值小。究其原因，可能為重度肝功能不全時，肝臟體積不同程度縮小，超聲波對距離縮小的異常像素點難以分辨。由此可見，肝硬化時肝實質(zhì)超聲聲像圖的紊亂程度與患者肝功能狀態(tài)并不完全一致，提取的紋理參數(shù)能夠?qū)崿F(xiàn)對肝功能A級、B級患者的定量評估，但對于肝功能C級患者僅依靠肝實質(zhì)一個方面的參數(shù)顯然是不夠的，還需結(jié)合肝包膜、肝內(nèi)血管走行、腹腔積液等特征來綜合評估。

既往有研究[12-13]提取肝包膜的幾何特征，即連續(xù)性和平滑性，可較準確地診斷不同程度肝硬化。通過動物實驗，將可進一步觀察肝實質(zhì)紋理特征參數(shù)評估不同程度肝硬化的可行性。Wang等[14]初步整合肝包膜幾何特征與肝實質(zhì)紋理特征，通過嘗試不同分類器，篩選出非侵入性評估肝硬化的量化參數(shù)；Sugimoto等[15]則基于CEUS微血管成像評價肝內(nèi)血管分支形態(tài)變化對肝纖維化分期的影響，并提出3個與門靜脈形態(tài)改變有關(guān)的特征，雖然達到90%置信度，但僅基于臨床醫(yī)生主觀指導(dǎo)，且樣本小。通過機器學(xué)習(xí)研究肝硬化患者肝內(nèi)血管的拓撲結(jié)構(gòu)將是今后的方向和重點。