周國棟 丁惠清 林潔佳

摘? 要：直腸癌是消化道最常見的惡性腫瘤之一。近幾年在中國直腸癌發(fā)病率表現(xiàn)為明顯的升高趨勢，男性發(fā)病率排名第五，女性發(fā)病率排名第四，死亡率男女均為第五。直腸癌患者是否有淋巴結轉移對治療方案的決策以及病人預后處理有重要的影響，因此對是否有淋巴結轉移的準確判斷是直腸癌治療的重要步驟。直腸癌腫瘤本身的特性和周圍淋巴結轉移存在一定的關聯(lián)性。

關鍵詞：直腸癌? 惡性腫瘤? 淋巴結轉移? 視覺分析

中圖分類號：R735 ? ? ? ? ? 文獻標識碼：A 文章編號：1672-3791（2020）08（a）-0203-03

Intelligent Diagnosis of Lymph Node Metastasis in Rectal Cancer

ZHOU? Guodong? DING? Huiqing? LIN? Jiejia

（College of Financial Mathematics and Statistics， Guangdong University of Finance， Guangzhou， Guangdong Province， 510521 China）

Abstract： Rectal cancer is one of the most common malignant tumors in the digestive tract. The incidence rate of China's rectal cancer has increased significantly in recent years， with the incidence rate of male fifth and the incidence rate of fourth in women， with fifth mortality. Whether there is lymph node metastasis in patients with rectal cancer has an important impact on the decision-making of treatment plan and the prognosis of patients， so the accurate judgment of whether there is lymph node metastasis is an important step in the treatment of rectal cancer. There is a certain correlation between the characteristics of rectal cancer and its lymph node metastasis.

Key Words： Rectal cancer; Malignant tumor; Lymph node metastasis; Visual analysis

直腸癌是指從齒狀線至直腸乙狀結腸交界處之間的惡性腫瘤，是消化道最常見的惡性腫瘤之一[1]。近幾年，在中國，直腸癌的發(fā)病率越來越高，特別在一些大城市，它已經躍居至惡性腫瘤發(fā)病率排行榜前三位[2]。直腸癌腫瘤本身的特性和周圍淋巴結轉移存在一定的關聯(lián)性，所以，在對該問題的思考中，我們組希望能從賽題中獲取一絲解決這些問題的靈感，也期待我們組通過對直腸癌CT影像特征的判斷來對淋巴結轉移的情況，給其他在這方面鉆研的學者帶來一點思考[3]。

1? 直腸腫瘤分割

1.1 圖像分割方法

圖像分割可以提取圖像的特征，對于圖像來說，它是進行視覺分析和模式識別的基本前提，根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個互不相交的區(qū)域，使得這些特征在同一區(qū)域內，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同[4]。

有些分割算法可直接用于任何圖像，而另一些算法只能適用于分割特殊類別的圖像。有些算法需要先對圖像進行粗分割，因為它們需要從圖像中提取出來的信息。邊緣檢測法、閾值分割法、區(qū)域生長法和基于分水嶺算法是4種經典的分割方法。圖像分割沒有唯一的標準，結果的好壞需要根據(jù)具體的場合要求衡量。考慮到我們從MicroDicom軟件轉化出來的png格式圖片，在比較的一些常用的圖像分割方法之后，我們組采用的是全局閾值方法進行分割。下面是圖像分割的一些方法和圖像處理的一般思路。

1.1.1 區(qū)域生長法

區(qū)域生長是一種基于傳統(tǒng)的區(qū)域生長機制，是將具有相似性質的像素集合起來構成區(qū)域，利用區(qū)域內像素的相似性進行圖像分割的圖像處理算法。該方法需要先選取一個種子點，然后依次將種子像素周圍的相似像素合并到種子像素所在的區(qū)域中然后以所合并的新像素點作為起點，繼續(xù)向各個方向生長，重復上述過程，直到沒有符合的像素點為止。與閾值分割類似，區(qū)域增長也很少單獨使用，往往是與其他分割方法一起使用，特別適用于分割小的結構如腫瘤和傷疤。

1.1.2 分水嶺分割法

分水嶺算法的基本思路是將圖像看作地理上的圖形，如果我們將圖像中的每個像素點的灰度值比作地理海拔，則灰度值較小的像素集合所形成的區(qū)域則可以看作盆地，灰度值較高的像素則可以看為山峰，在盆地與山峰的邊緣便形成了分割線。

1.1.3 邊緣檢測法

圖像邊緣對于圖像分割的識別來說作用是有些明顯的，因為在進行圖像分析時，先對圖像進行邊緣檢測，邊緣可以描述出圖像的大致信息，使用戶能夠一目了然地了解圖像信息。從根本上來看，圖像邊緣其實就是圖像灰度值的基礎上，試圖根據(jù)圖像梯度等信息找出能正確表、示邊界的曲線，找出灰度值離散的、不相關的邊緣點，然后將其看作兩個部分的分界線。

1.2 閾值分割法

閾值分割算法是圖像處理中具有代表性的一類非常重要、經典的分割算法。以一定的圖像模型為依托，通過取閾值后得到的圖像，各個區(qū)域可以分離開，不僅簡單易實現(xiàn)，而且特別適用于灰度均勻、變化較小、不同目標背景差異較大的圖像。最常用的圖像模型是假設圖由具有單峰灰度分布的目標和背景組成。直接的閾值分割一般不能適用于復雜景物的正確分割，如自然場景，因為復雜景物的圖像，有的區(qū)域很難判斷究竟是前景還是背景。不過，閾值分割在處理前景和背景有很強的對比的圖像時特別有用，此時需要的計算復雜度小，這種方法這也是與我們組運用MicroDicom 軟件轉化出來的png圖像是符合的。當物體的灰度級比較集中時，簡單地設置灰度級閾值提取物體是一個有效的辦法。

閾值方法分為可全局閾值和動態(tài)閾值兩種。如果分割過程中對圖像上每個像素所使用的閾值都相等，則為全局閾值方法;如果每個像素所使用的閾值可能不同，則為局部閾值方法?？紤]到我們從MicroDicom 軟件轉化出來的png格式圖片，我們組采用的是全局閾值方法進行分割。最佳全局閾值的確定的常用方法一般有下面幾種：試驗法、直方圖法、最小誤差法（這種方法是假設背景和前景的灰度分布都是正態(tài)分布的）。

1.3 DICE指標分析

根據(jù)賽題源文件給出的評價指標，使用Dice來評價我們分割出來的圖像的分割效果，即評價分割圖像結果與醫(yī)生人工勾畫結果的相似性。Dice由以下公式計算：

其中，P表示我們組分割出來的圖像區(qū)域，G表示醫(yī)生人工勾畫的圖像區(qū)域，|P∩G|為兩個圖像區(qū)域集合的交集，|P|+|G|為兩者的并集。Dice的值域為[0，1]，取值越接近1表明直腸腫瘤分割的結果與醫(yī)生給出的結果越接近。采用提供的107人中的動脈期影圖像作為我們組的訓練樣本，采取預處理后把訓練樣本做閾值為0.1的處理，將處理之后的圖像與醫(yī)生給出的掩模圖像做比較，具體的評價過程如下。

（1）從所有的病人中按照隨機抽樣的原則，即每個病人被抽中的概率都是相等的，抽取5組經過分割后的病人的掩模圖像，抽取的病人為1004、1033、1068、1072、1099這5位。

（2）以這5位病人分割出來的掩模圖像分別與醫(yī)生的勾畫的圖像為變量，分別求出處理后的圖像與醫(yī)生勾畫出的圖像的Dice系數(shù)，根據(jù)每個小Dice系數(shù)求每個病人的總體Dice系數(shù)。

（3）最后一步，把每個病人的Dice系數(shù)加總起來求出均值Dice系數(shù)，以其作為分割的總體評價指標。

Dice=（0.8648+0.8615+0.7125+0.8663+0.7267）/5=0.80636

2? CT圖像中直腸癌腫瘤區(qū)域的影像特征

圖像識別實際上是一個分類的過程，為了識別出某圖像所屬的類別，我們需要將它與其他不同類別的圖像區(qū)分開來。這就要求選取的特征不僅要能夠很好地描述圖像，更重要的是還要能夠很好地區(qū)分不同類別的圖像。

2.1 灰度特征

當造影劑靜脈注射入到血管后，直腸所在的區(qū)域圖像會增強，腫瘤相對于正常直腸壁來說會比較明顯，軟組織器官會顯示的更亮一點。而CT圖像是以 DICOM文件格式存儲的文件，在直腸癌腫瘤區(qū)域灰度值比較高。題目給出的數(shù)據(jù)中的DICOM文件本身就已經是512×512像素的，所以相應的窗寬、窗位也就不用進行加窗顯示來調整了，在顯示出直腸區(qū)域的組織器官結構方面，方便后面進一步進行組織器官的操作。但是如果只考慮灰度特征的話會產生過分割的現(xiàn)象。

2.2 紋理特征

紋理特征是一種全局特征，普遍存在于自然界中，是一種重要的視覺特征。也是在計算機視覺領域內使用比較廣泛的一種方法，因為紋理特征較穩(wěn)定，不易受到圖像平移、旋轉和尺度大小變化的影響，能很好地對目標CT圖像區(qū)域的灰度值信息分布進行定量、穩(wěn)定的特征描述。在注射造影劑的條件下，發(fā)現(xiàn)給出的直腸CT動脈期掃描圖像中直腸癌區(qū)域與相鄰區(qū)域的灰度值具有較強的差別。

2.3 形狀特征

形狀特征是一種包括了腫瘤形狀的特征，如腫瘤的體積以及表面積等。我們采用的是目標面積法對腫瘤進行特征提取，即通過分割的掩模圖像計算其表面積。

3? 腫瘤影像特征與淋巴結轉移的相關性驗證

在此將圖像灰度分布均勻程度和紋理粗細度稱之為“能量”;將空間灰度共生矩陣元素在行或列方向上的相似程度定義為“相關”，可以這么理解，相關值的大小反映了圖像中局部灰度值的相關性;將圖像中紋理的復雜程度成為“熵”;在討論良久之后，我們組將以上3個變量與圖像主對角線的慣性矩即反差構建 Logist模型，結合之前分割出來的目標區(qū)域圖像與分析的圖像特征綜合考究患有直腸癌與淋巴結轉移的相關性驗證。

參考文獻

[1] 寇毛蕊，楊新國.醫(yī)學圖像分割系統(tǒng)設計[J].長春師范大學學報，2018，37（12）：38-44.

[2] 艾飛玲，馬圓，田思佳，等.深度學習在醫(yī)學圖像分析中的研究進展[J].北京生物醫(yī)學工程，2018，37（4）： 433-438.

[3] 瞿祥和.基于圖像硬度和邊緣紋理特征量的肝纖維化診斷研究[D].廣西大學，2016.

[4] 姜少杰.WNT5B維持Basal-like型乳腺癌表型的機制及影像監(jiān)控下的靶向治療[D].浙江大學，2019.

[5] 賈田穎.基于胸部CT的影像特征判別肺腺癌EGFR基因突變的探索性研究[D].上海交通大學，2017.

[6] 周玉容.介入分子影像引導下的乳腺癌精準診療[D]. 浙江大學，2016.