經直腸超聲結合支持向量機診斷前列腺癌的研究進展

王曉蕾，侯秀昆，王 輝，王 聰（通訊作者）

（大連醫科大學附屬第一醫院超聲科 遼寧 大連 116001）

近年來，前列腺癌（prostate cancers，PCa）在我國的發病率逐年提高，確診時常已發生局部浸潤、轉移，失去了早期治療時機和方法，因此應重視早期明確診斷[1]。經直腸超聲（transrectal ultrasonography，TRUS）對于前列腺疾病的診斷已日趨成熟，支持向量機（support vector machine，SVM）算法結合超聲圖像特點能夠提高診斷準確率。本文就經TRUS結合SVM在診斷PCa上的應用作一概述。

1 TRUS在前列腺癌診斷中的應用

1.1 普通TRUS

前列腺經直腸超聲檢查相對于經腹部超聲，能夠更清晰的觀察前列腺包膜及內部回聲。低回聲結節是PCa的主要特征之一，但特異性及敏感性較低，無法完好的區分癌結節、增生結節、炎癥病灶，并且PCa常與增生并存，因此僅憑經直腸二維超聲無法達到診斷目的[2]。彩色多普勒及能量多普勒可以顯示前列腺內血流信號輔，常與經直腸超聲聯合對前列腺疾病進行診斷，前列腺腫瘤的惡性結節生長快，形成大量的新生血管，血流信號增多，二者均可以提升診斷準確率，但仍需與二維超聲圖像相結合。

1.2 超聲造影（contrast-enhanced ultrasound，CEUS）技術

超聲造影是繼二維超聲、多普勒超聲之后，應用微泡造影劑增強血流顯像的新技術[3]。紅細胞的散射回聲強度遠低于軟組織，在二維圖表現為“無回聲”，超聲造影是通過造影劑來增強血液的背向散射，使血流清楚顯示，反映病變組織的微血管灌注情況，從而達到對某些疾病進行診斷的目的。PCa組織內有豐富的微血管，超聲造影可顯示細小、低速的血流，經動態觀察血流灌注情況，明顯提高了診斷準確率[4]。盡管如此，超聲造影只能選取一個切面，并不能發現所有病灶，并且超聲造影的實施仍然依賴二維超聲、彩色及能量多普勒超聲，難以代替超聲引導下經直腸前列腺穿刺活檢。

1.3 經直腸超聲彈性成像（transrectal ultrasound elastography，TRE）

超聲彈性成像的基本原理是對組織施加激勵，組織內部發生相應改變，超聲成像方法可以估計出響應的情況，從而反映組織內部的彈性模量等力學屬性的差異。激勵前后回聲信號移動幅度的變化可轉化為彩色圖像，彈性系數越小，組織受激勵后位移越大，聲像圖上顯示為紅色，反之顯示為藍色，彈性系數中等顯示為綠色，進而以不同色彩對不同組織進行彈性編碼，借其反映組織相對硬度。梅將軍等研究[5]發現，TRE聯合CEUS診斷PCa的敏感度為85.42%、特異度為82.66%，有望成為理想的客觀診斷指標。

1.4 剪切波彈性成像（shear wave elastograpy，SWE）

SWE利用探頭晶片對感興趣組織發射低頻聲波脈沖，并產生“馬赫錐”現象，促使剪切波產生，系統自動生成楊氏模量值，不需向組織施加壓力便可以對組織的硬度特征進行定性定量分析，操作簡單，可重復性好。該成像技術克服了人為因素的影響，與傳統彈性成像相比更客觀，在鑒別前列腺良惡性病變方面有很好應用前景。方毅[6]等應用經直腸超聲剪切波彈性成像對外周帶前列腺癌進行診斷，前列腺癌彈性最大值74.99±46.70kPa，平均值62.81±38.12kPa，前列腺良性病灶彈性最大值33.39±12.23kPa，平均值27.07±0.83kPa，前列腺癌的彈性最大值和平均值均高于前列腺良性病灶。

2 TRUS圖像與SVM的結合應用

2.1 SVM簡介

SVM是借助最優化方法解決數據挖掘中若干問題的有力工具。其基本原理是通過使用非線性映射算法將低維輸入空間線性不可分的樣本轉化為高維特征空間使其線性可分，從而使得高維特征空間采用線性算法對樣本的非線性特征進行線性分析成為可能。在這個高維空間里求得一個最大間隔超平面及在分開數據樣本的超平面兩邊的兩個互相平行的超平面，分隔超平面使兩個平行超平面的距離最大化，平行超平面間的距離越大，分類器的總誤差越小。其特點是能夠同時最小化經驗誤差與最大化幾何邊緣區，并能解決小樣本的問題。SVM的核心內容是在1992到1995年之間提出的[7]，是繼神經網絡之后又一研究熱點。

2.2 SVM在醫學診斷中的應用

隨著醫學影像信息處理技術的發展，計算機輔助診斷系統成為臨床輔助診斷的一個新趨勢，從影像中挖掘出大量與特定癌癥相關的影像組學特征，為臨床醫師提供人眼無法直接獲取的深層信息，提高診斷的敏感性和特異性。杜鵬[8]等基于多參數磁共振成像影像組學特征，從腫瘤影像數據中分別提取基于直方分布的灰度特征，以及基于共生分布和游程分布的紋理特征，與SVM結合構建膀胱癌復發預測模型，研究表明基于影像組學特征，能夠對患者的復發風險進行定量表征，在復發預測中具有巨大潛能。

2.3 TRUS圖像結合SVM在PCa診斷中的應用

SVM具有完善的理論基礎、較強的可適應性、全局優化、較短的訓練時間、好的泛化性能以及最小化的廣義誤差上界等優點。李梅等[9]聯合年齡、PSA、超聲聲像特征進行SVM神經網絡判別分析，診斷前列腺癌的準確率為87.14%，靈敏度為79.55%，特異度為90.63%，有效提高了前列腺癌的診斷率。

綜上所述，TRUS對PCa進行多模態顯像，包括普通TRUS、CEUS、TRE以及SWE圖像，提取圖像特征，輸入智能算法機器學習，構成特征空間，進而構建所需的分類器模型，然后利用計算機輔助診斷系統的SVM分類算法，對PCa及其是否轉移進行預測，該方法必將對PCa的早期診斷及治療發揮越來越重要的作用。