肝癌超聲圖像紋理分形識別研究

李秀麗+孟曉濤

摘要：目的 提出一種肝癌超聲圖像分形維數紋理識別的方法。方法 首先將肝臟超聲圖像像素點看作三維空間的一個點，則圖像就是一個表面，然后計算圖像的分形維數。應用此法計算了4例肝癌肝臟的超聲圖像及5例正常肝臟圖像的分形維數值，并進行對比分析。結果 正常肝臟分形維數值較小，肝癌肝臟分形維數值較大。分形維數可以很好地定量化表征正常肝臟與肝癌肝臟。結論 肝癌超聲圖像分形維數計算程序，為醫師臨床輔助診斷肝癌提供了量化依據。

關鍵詞：超聲圖像；紋理特征；分形維數；投影覆蓋法

Abstract：Objective To put forward a method of ultrasonic images fractal dimension texture recognition.Methods Firstly，a point of liver ultrasound image pixels as three-dimensional space，the image is a surface，and then calculate the fractal dimension of the image.The application of this method to calculate the fractal dimension of ultrasound images of 4 cases of liver cancer and 5 cases of normal liver image values were compared and analyzed. Results The fractal dimension of normal liver is smaller，and the fractal dimension of liver cancer is larger.Fractal dimensions can be well quantified to characterize normal liver and liver cancer liver.Conclusion The fractal dimension calculation program of ultrasonographic images of liver cancer provides a quantitative basis for physician-assisted diagnosis of liver cancer.

Key words：Ultrasonic image；Texture feature；Fractal dimension；Projection covering method

目前肝癌的發病率有逐年上升的趨勢，已成為人類的主要疾病之一[1-2]。在肝病的定期篩查和病灶定位診斷方面，超聲顯像是一種最常用的無物理創傷檢查診斷手段，具有操作簡便、檢查費用低、可重復使用、無放射性損傷、檢出敏感性高等優點[3-4]。通常，正常肝臟超聲圖像呈現有規律的、均勻的紋理特征，紋理基元大小適中，而結節性或彌漫性的原發性肝癌，其組織結構遭到破壞，反映在超聲影像中的紋理特征可能是無回聲、等回聲、低回聲或強回聲以及它們的混合回聲。這些紋理特征的差異性為定量識別正常肝和肝癌提供了可能[5-6]。本文開發了圖像分形維數計算程序，計算了肝臟圖像分形維數，從而進一步描述肝臟超聲圖像的紋理特征，為有效識別肝癌提供了一種新方法。

1 超聲圖像分形維數計算的實現

假設超聲圖像像素點灰度值z=I（x， y）被看作三維空間的一個點（x， y， z），則圖像就是一個表面。這樣，就可以根據粗糙表面分形維數計算公式（1），對肝臟超聲圖像分形維數進行計算。

2 肝臟超聲圖像實例計算與結果分析

2.1臨床資料 本文所使用的肝臟超聲圖像材料均由包鋼第三醫院超聲科提供。彩超機型號為 Philips iu22；凸陣探頭，頻率為3.5 MHz。肝癌超聲圖像選自2015年3月～8月經超聲診斷為占位性病變后經肝臟穿刺活組織檢查并經病理檢驗確診為原發性肝細胞癌患者4例，其中男3例，女1例，年齡43～61歲，平均年齡52歲，均為單個結節癌。5幅正常肝圖像從5名與肝病無關的健康人身上提取。感興趣區域是包括病灶在內的一個矩形區域，并將該矩形區域作為一副圖像剪切下來予以保存，圖像大小均為128像素×128像素。在選擇感興趣區域時要注意肝臟粗大的血管組織可能對病灶呈現的紋理的影響。

2.2計算過程與結果分析 首先將圖像讀入程序，如圖1所示；然后進入圖像分析菜單后，即可計算超聲圖像紋理的分形維數。圖1中圖像大小為128像素×128像素，因此，網格劃分過程中，最小網格為2×2，最大網格為128×128，即n=6。應用開發程序，計算了8幅肝臟超聲圖像的分形維數，其計算結果見表1。

從表1數據可以看出，正常肝臟和肝癌肝臟圖像的分形維數值有很大區別，正常肝臟圖像的分形維數值在2.350～2.450之間，肝癌肝臟圖像的分形維數值均>2.600。這些數值說明，正常肝臟圖像紋理均勻，肝癌肝臟的圖像紋理粗糙。通過上述分析，分形維數可以很好地區分正常肝臟與肝癌肝臟，從而為醫師臨床輔助診斷肝臟疾病提供了量化依據。

3 總結與展望

通過上述計算分析，結果表明：正常肝臟圖像的分形維數值較小，肝癌肝臟圖像的分形維數值較大。分形維數可以很好地定量化表征正常肝臟與肝癌肝臟。本文重在提供一種計算方法，而正常肝臟與肝癌肝臟超聲圖像分形維數的臨界特征值仍需通過研究大樣板數據后進行確定。

參考文獻：

[1]孫華寶，葉德強，曹立，等.Logistic回歸和ROC曲線評價8種原發性肝癌實驗室診斷指標的臨床價值[J].廣東醫學，2010，31（20）：2650-2653.

[2]Jemal A，Bray F，Center MM，et al.Global cancer statistics[J].CA：A Cencer Journal for Clinicians，2011，61：69-90.

[3]范小嬌，張惠卿.肝癌影像成像技術診斷的研究進展[J].內蒙古醫科大學學報，2015，37（2）：215-219.

[4]朱碧云，陳卉.醫學圖像紋理分析的方法及應用[J].中國醫學裝備，2013，10（8）：77-81.

[5]季桂樹，江樂新，禹智夫.分維方法在肝癌超聲圖像紋理識別中的性能比較研究[J].中南大學學報，2011，42（9）：2746-2753.

[6]季桂樹.肝癌超聲圖像紋理特征識別中的關鍵技術研究[D].長沙：中南大學，2013.

編輯/張建婷