基于顏色自相關(guān)圖的乳腺腫瘤良惡性分類

趙 爽，馬志慶*，趙文華，趙曉辰

（1.山東中醫(yī)藥大學(xué)理工學(xué)院，濟南 250355；2.聯(lián)勤保障部隊第960醫(yī)院，濟南 250031）

0 引言

癌癥是世界范圍內(nèi)致死率最高的疾病之一，其中乳腺癌是女性發(fā)病率最高的惡性腫瘤之一，且其發(fā)病率呈逐年上升和年輕化的趨勢[1]。早期乳腺癌可望永久性治愈，因此乳腺癌的早期發(fā)現(xiàn)并治療能有效提高患者的存活率。目前，臨床診斷中基于人工的病理圖像分類費力、耗時，且診斷結(jié)果易受到主觀人為因素的影響，借助計算機輔助診斷對病理圖像自動進(jìn)行良、惡性分類，可為醫(yī)生提供更加客觀、準(zhǔn)確的診斷結(jié)果。相比X-ray、鉬靶、MRI等圖像，病理圖像是醫(yī)生最后確診乳腺癌的重要標(biāo)準(zhǔn)，對病理圖像進(jìn)行準(zhǔn)確的診斷是醫(yī)生制訂最佳治療方案的重要依據(jù)。

Spanhol等[2]建立并公開了乳腺腫瘤病理圖像數(shù)據(jù)集BreaKHis，然后利用BreaKHis提取了局部二值模式（local binary patterns，LBP）[3]、灰度共生矩陣（gray-level co-occurrence matrix，GLCM）[4]等不同特征并利用隨機森林（randomforest，RF）[5]、支持向量機（support vector machine，SVM）[6]等不同的分類器進(jìn)行分類，準(zhǔn)確度達(dá)到80%～85%。王爽[7]主要對宮頸病理圖像提取了形態(tài)特征，利用BP（back propagation）神經(jīng)網(wǎng)絡(luò)[8]進(jìn)行分類，在測試集上準(zhǔn)確率最高達(dá)86.2%。陳海蛟[9]從肝癌病理圖像中提取了紋理特征，利用極限學(xué)習(xí)機（extreme learning machine，ELM）[10]進(jìn)行正常、高中低分化分類，在測試集上準(zhǔn)確率平均達(dá)到85.80%。

上述研究中提取了病理圖像的紋理、形狀等特征，但良惡性腫瘤細(xì)胞結(jié)構(gòu)差異性大，尤其是細(xì)胞核，所以病理圖像中染色分布也有差異，而顏色特征對于乳腺腫瘤的良惡性分類非常重要。因此本研究提取乳腺腫瘤病理圖像的顏色自相關(guān)圖，利用k最近鄰（k-nearest neighbor，k-NN）分類器構(gòu)建乳腺腫瘤良惡性分類模型，對乳腺腫瘤良惡性進(jìn)行分類。

1 方法

1.1 實驗數(shù)據(jù)

本研究采用公開數(shù)據(jù)集BreaKHis。BreaKHis由采用不同顯微鏡放大倍率（40×、100×、200×和 400×）采集的82個患者的7 909幅乳腺腫瘤組織病理圖像組成，包含2480幅良性腫瘤圖像和5429幅惡性腫瘤圖像（700×460像素，RGB三通道，每個通道8位深度，PNG格式）[2]。該數(shù)據(jù)集是Spanhol等與巴西的P&D實驗室合作建立的。

從乳房組織活檢切片中提取樣本，用蘇木精和伊紅染色。整個制備過程包括取材、固定、修整、脫水、透明、浸蠟、包埋、切片、染色等步驟。切片厚度為3 μm，染色后用蓋玻片封片。病理學(xué)家通過在顯微鏡下對組織切片的視覺分析來識別每個載玻片上的腫瘤區(qū)域，每個病例的最終診斷均由經(jīng)驗豐富的病理學(xué)家提供，并通過免疫組織化學(xué)分析等輔助檢查進(jìn)行確認(rèn)。最后使用數(shù)碼彩色相機從乳房組織切片獲得數(shù)字化圖像。去除不需要的區(qū)域，最終被剪切并保存為700×460像素，且圖像是無顏色、標(biāo)準(zhǔn)化的原始圖像。

本研究選取數(shù)據(jù)集BreaKHis中40×的1 995幅（良性625幅、惡性1 370幅）腫瘤病理圖像為研究對象。乳腺惡性腫瘤病理切片圖如圖1所示。

1.2 實驗方法

圖1 乳腺惡性腫瘤病理切片圖

1.2.1 特征提取

特征提取是進(jìn)行乳腺腫瘤良惡性診斷的關(guān)鍵一步，通過從病理圖像中提取特征來量化腫瘤等重大疾病，可以有效解決腫瘤良惡性難以定量評估的問題。由于良惡性腫瘤細(xì)胞形態(tài)、結(jié)構(gòu)不同，對蘇木精和伊紅的吸收程度也不同，染色后的良惡性腫瘤病理圖像顏色也會有所差異，所以顏色特征對區(qū)分乳腺腫瘤良惡性尤為重要。因此本文提取圖像顏色自相關(guān)圖64維特征對乳腺腫瘤進(jìn)行量化。

顏色自相關(guān)圖是借助顏色相關(guān)圖得到的，顏色相關(guān)圖不但反映了某一種顏色的像素數(shù)量占整個圖像的比例，還體現(xiàn)了不同顏色對之間的空間相關(guān)性[11]。其定義[12]如下：

假設(shè)I表示n×n的一幅圖像，將圖像I中的顏色量化為m種顏色（C1，C2…，Cm），任意像素點P=（x，y）∈I（x、y為空間坐標(biāo)）。

圖像 I的任意 2 個像素點P1=（x1，y1）和P2=（x2，y2）之間的距離d可由下式表示：

顏色相關(guān)圖的公式表示為

其中，ICi表示顏色為Ci的所有像素，ICj表示顏色為Cj的所有像素；Pr表示求概率運算，即顏色為Ci的像素與顏色為Cj的像素之間的距離為k的概率。

由于顏色相關(guān)圖非常復(fù)雜和龐大，若Ci=Cj=Cw（w∈m），則變成了顏色自相關(guān)圖，僅表示具有相同顏色的像素間的空間關(guān)系，空間復(fù)雜度降低很多。其公式表示為

彩色圖像有R、G、B 3個通道，每個通道取值通常為0～255，因此一個像素點的顏色取值有2～24種，在求取顏色相關(guān)圖時相當(dāng)復(fù)雜。為計算方便，本實驗將圖像量化為 64 種顏色，采用d=1、3、5、7、9 這5個距離作為算法中的像素空間距離，提取每一像素空間距離下的64維顏色自相關(guān)特征，最后根據(jù)分類結(jié)果求出最優(yōu)距離。

1.2.2 良惡性診斷模型構(gòu)建

k-NN是一種最基本的、基于實例的學(xué)習(xí)方法，即學(xué)習(xí)過程只是簡單地存儲已知的訓(xùn)練數(shù)據(jù)，遇到新的查詢實例時，從訓(xùn)練集中取出相似的實例，因此它是一種懶惰的學(xué)習(xí)方法[13]。特別是1-NN通常用于特征的分類。本研究的基本思路為：對于測試集和訓(xùn)練集，求取每個測試樣本與訓(xùn)練樣本之間的距離（本研究選擇歐氏距離），然后選擇距離最近的近鄰，根據(jù)這個近鄰所屬類別對測試樣本進(jìn)行歸類。

本研究將40×的1 995幅乳腺病理圖像隨機分為訓(xùn)練集（1 395幅）和測試集（600幅）。采用minmax標(biāo)準(zhǔn)化（min-max normalization）對訓(xùn)練集和測試集的特征數(shù)據(jù)進(jìn)行歸一化處理，然后利用1-NN建立分類模型，并在測試集進(jìn)行驗證。分類模型構(gòu)建流程圖如圖2所示。

2 結(jié)果

圖2 分類模型構(gòu)建流程圖

本研究基于乳腺腫瘤病理圖像，提取了圖像的顏色自相關(guān)圖特征，對特征數(shù)據(jù)進(jìn)行歸一化處理后，利用1-NN構(gòu)建了乳腺腫瘤良惡性分類模型。分類模型的評判標(biāo)準(zhǔn)有很多，目前應(yīng)用最廣泛的有靈敏度、特異度和準(zhǔn)確度，本研究計算了模型測試的靈敏度、特異度和準(zhǔn)確度，并測試了顏色自相關(guān)圖中不同的像素空間距離d分別對模型預(yù)測的性能影響。實驗結(jié)果是通過100次重復(fù)實驗后取均值得到的。分類結(jié)果見表1，結(jié)果以均值±標(biāo)準(zhǔn)差的形式表示。

表1 分類結(jié)果%

在相同數(shù)據(jù)集上分別使用歸一化后的數(shù)據(jù)和原始數(shù)據(jù)進(jìn)行預(yù)測，比較兩者差異，發(fā)現(xiàn)歸一化后數(shù)據(jù)求解速度明顯比未歸一化數(shù)據(jù)快很多。

由表1可知，對比不同的像素空間距離，發(fā)現(xiàn)像素空間距離為1時分類精度最高，準(zhǔn)確度平均達(dá)到87.01%，靈敏度平均達(dá)到88.52%，特異度平均達(dá)到85.49%，表明此模型具有一定的可行性。而標(biāo)準(zhǔn)差較小，準(zhǔn)確度大多為85.42%～88.60%，表明此模型具有良好的魯棒性。

為了進(jìn)一步評估本文提出的方法，在相同的數(shù)據(jù)集下，與Spanhol等[2]提取不同紋理特征并利用不同的分類器分類的結(jié)果進(jìn)行了比較，本文提出的方法準(zhǔn)確度（85.42%～88.60%）明顯高于Spanhol等所提出的方法（準(zhǔn)確度達(dá)到80%～85%），為乳腺腫瘤提供了一種更簡便、更準(zhǔn)確的診斷方法。

本研究主要針對乳腺腫瘤良惡性的診斷，也可應(yīng)用于其他部位腫瘤病理圖像的病理分型和良惡性診斷。本研究的局限性在于，僅僅根據(jù)82例患者的乳腺腫瘤案例進(jìn)行訓(xùn)練測試，并不能代表全部的病例，希望以后可加大樣本量，做出更準(zhǔn)確、全面的診斷結(jié)果。

3 結(jié)論

當(dāng)前乳腺腫瘤良惡性的人工分類費力、耗時，且診斷結(jié)果易受到主觀人為因素的影響。因此一些學(xué)者陸續(xù)在計算機輔助診斷的基礎(chǔ)上對乳腺腫瘤進(jìn)行自動分類，雖達(dá)到良好的分類結(jié)果，但算法較復(fù)雜。本研究對乳腺病理圖像提取了顏色自相關(guān)圖64維特征，利用1-NN建立分類模型并進(jìn)行了測試，結(jié)果發(fā)現(xiàn)顏色自相關(guān)圖中像素空間距離為1時分類精度最高，準(zhǔn)確度平均達(dá)到87.01%，靈敏度平均達(dá)到88.52%，特異度平均達(dá)到85.49%，表明此模型具有良好的魯棒性和可行性，為乳腺腫瘤提供了一種簡便、低成本和可重復(fù)的診斷方法。但是實驗只能診斷腫瘤是良性還是惡性，希望以后的工作能夠更詳細(xì)地對腫瘤的發(fā)生發(fā)展階段做出判斷。