頭頸部腫瘤分子生物紋理分析與生物靶區自適應勾畫研究

季 琳 劉 洋 張 洋 朱 偉

頭頸部腫瘤分子生物紋理分析與生物靶區自適應勾畫研究

季 琳 劉 洋 張 洋 朱 偉

目的 探討頭頸部腫瘤分子生物紋理分析與生物靶區自適應的勾畫方法。方法從腫瘤 PET圖像的共生矩陣中提取腫瘤分子生物方差紋理特征，然后結合腫瘤生物方差紋理特征，對之前的兩個階段自適應三維體生長方法進行改進，對頭頸部腫瘤自適應生物靶區進行自適應勾畫。結果聯合鼻咽癌VAR紋理特征、PET SUV進行兩級區域生長計算，一級區域生長閾值0.65，分割結果顯示，分割輪廓性較強，所有區域均聯通，經臨床專家視覺評估，認定該分割結果合理、正確。結論改進后的生物靶區自適應勾畫方法，可有效提高頭頸部腫瘤生物靶區勾畫的精確度。

自適應勾畫；生物靶區；頭頸部腫瘤；分子生物紋理

放療是臨床治療惡性腫瘤的常用方法，要確保高精度實施放療，關鍵是要確保放射治療靶區勾畫的高精度。據研究顯示[1]，PET（正電子發射型計算機斷層顯像）能夠提供活體腫瘤代謝、缺氧、增殖等分子生物功能信息，這都是MRI及CT解剖影像無法實現的，PET圖像能為放療靶區的高精度勾畫提供重要想影像信息。PET已在頭頸部腫瘤生物自適應勾畫中得到了廣泛應用，同時也對頭頸部腫瘤放療產生了較大的影響。為進一步提高腫瘤生物靶區（BTV）的勾畫精度，本研究采用了一種結合腫瘤 PET顯像劑標準攝取值（SUV）和分子生物方差紋理特征的BTV自適應勾畫方法，現報道如下。

1 資料與方法

1.1 一般資料本研究中的 PET影像資料均來源于我院PET/CT中心，使用GE Discovery ST PET/CT掃描系統進行數據采集，每張床位掃描3m in。使用CT信息對獲得的PET數據做衰減校正，然后進行三維重建，圖像大小為128mm×128mm×131mm，層厚為3.27mm，像素間距為2.34mm。

1.2 方法

1.2.1 分析頭頸部腫瘤分子生物紋理特征 頭頸部腫瘤分子生物紋理分析是建立在GLCM（PET灰度共生矩陣）基礎上的，GLCM是紋理分析距離（δ）與方向（θ）的函數，其維數由圖像的灰度級數（n）決定，元的值p（I,j）是由θ方向上距離δ的2個體素SUV值來決定的，同時與一個體素SUV值為i、一個為j的概率相等。在實際分析中，該概率估算值取相應的頻率值[2]。分子生物紋理特征分析步驟：①確定共生矩陣的灰度級（n）、紋理分析方向（θ）、距離（δ）3項參數。常規將n取為8，δ取為1。紋理特征的提取，關鍵在于紋理分析的方向。為了對分子生物紋理進行全方位分析，θ起點可選擇任一體素，指向任一相鄰體素。紋理特征具有中心對稱性，所以文理分析方向共包含13個方向。②計算θ上的紋理特征量及共生矩陣。方差紋理VAR的計算公式為：其中P(i,j)：GLCM第i行、第j列對應的元素值；μx：均值。反映的是紋理的周期性，值越大說明紋理周期越大。采用三維最大強度投影（每個體素點和紋理特征量），紋理特征圖像強度值取取三維空間方向上的最大特征值。

1.2.2 頭頸部腫瘤生物靶區的自適應勾畫 在頭頸部腫瘤PET SUV分子生物紋理特征圖像分割中，采用多級自適應勾畫法，方法為：①一級區域生長算法。首先選取初始區域V，V取值為SUV值（腫瘤區）最大體素點。②確定相似性。采用體素點的SUV值與初始區域SUV平均值偏差d（x,y,z）用以度量體素相似性。d（x,y,z）=SUVmean－SUV（x,y,z），其中，SUVmean：SUV平均值；SUV（x,y,z）：體素點的SUV值；（x,y,z）為V的所有6鄰域點的集合S的子集。③在S中選擇偏差最小點作為候選生長點，若該生長點滿足一級生長準則，就將其添加到V中。一級生長準則公式：SUV（x,y,z）＞t1× SUVmean，式中，t1：生長閾值，可采用以下方法來確定生長閾值：將閾值設定為1→0，以0.1的頻率遞減，得到一個突變點（t1），也就是說當閾值減小時，滿足一級生長準則，體素點個數增大值＞60%。繼續對t1→t1→0.1細分，以0.01的頻率遞減，得到最優閾值 t1，重復上述步驟至算法收斂[3]，一級生長體素個數與閾值變化關系如圖 1。④二級區域生長算法。與一級生長算法相比，二級生長算法的初始區域取值為是一級生長結果，也無需設定生長閾值，算法即可自動停止生長[4]。新增的種子點，所有6鄰域點要在滿足如下生長準則情況下，才可添加到點集S中。

其中，（x,y,z）代表候選種子點，（sx,sy,sz）代表最近一次添加到種子區域的種子點坐標。

2 結果

聯合鼻咽癌VAR紋理特征、PET SUV進行兩級區域生長計算，一級區域生長閾值0.65，分割結果如圖2所示。圖中紅色為一級分割結果，黃色為二級分割結果。從圖中可看出，分割輪廓性較強，所有區域均聯通，經臨床專家視覺評估，認定該分割結果合理、正確。

圖1 一級生長體素個數與閾值變化關系

圖2 鼻咽癌分割結果

3 討論

在醫學圖像分析、處理中，紋理特征具有重要應用價值，但目前關于頭頸部腫瘤PET分子生物紋理的研究還較少[5]。在本次研究中，從PET圖像的共生矩陣中提取腫瘤分子生物紋理特征，通過分析比較，結合頭頸部腫瘤SUV影像值和腫瘤PET顯像劑標準攝取值紋理特征最大強度三維投影，提出了BTV自適應區域生長算法。因目前還沒有生物靶區勾畫金標準，所以僅能對靶區分割結果做定性分析。通過本次研究，發現采用上述方法可對頭頸部腫瘤生物靶區進行自動分割，但其應用價值還有待進一步研究、考證。

[1] 劉國才,余志浩,朱蘇雨,等.頭頸部腫瘤分子生物紋理分析與生物靶區自適應勾畫[J].中國醫學影像技術,2013(1):115-120.

[2] 余志浩.頭頸癌 PET圖像紋理分析與生物靶區智能勾畫方法研究[D]. 湖南:湖南大學,2012.

[3] 陳治明,吳平,周克,等.PET-CT在腫瘤放射治療中的價值[J].西南軍醫,2010(1):4-6.

[4] 朱蘇雨,席許平,胡炳強.PET/CT用于腫瘤放療計劃靶區勾畫的相關問題[J].中國腫瘤,2010(8):494-499.

[5] 李燕雛,李顯勇.PET/CT功能影像在肺癌及頭頸部腫瘤放療靶區勾畫中的應用及進展[J].中外醫療,2012(23):184-186.

R73

A

1673-5846(2014)05-0224-02

牡丹江醫學院，黑龍江牡丹江 157011

朱偉，E-mail：zhuzwwei@163.com。