基于小波变换的高强度聚焦超声消融兔VX2乳腺肿瘤声像图纹理分析

闵加艳，邹建中，郭宇，王冬

（1.重庆医科大学生物医学工程学院，省部共建超声医学工程国家重点实验室，超声医学工程重庆市市级重点实验室，重庆 400016；2.第三军医大学新桥医院超声科，重庆 400037）

基于小波变换的高强度聚焦超声消融兔VX2乳腺肿瘤声像图纹理分析

闵加艳1，邹建中1，郭宇1，王冬2

（1.重庆医科大学生物医学工程学院，省部共建超声医学工程国家重点实验室，超声医学工程重庆市市级重点实验室，重庆 400016；2.第三军医大学新桥医院超声科，重庆 400037）

目的探讨高强度聚焦超声（HIFU）治疗过程中多分辨率小波分析纹理参数对凝固性坏死的判断，提高超声监控判断凝固性坏死的灵敏度。方法 HIFU辐照在体新西兰大白兔VX2乳腺肿瘤，按辐照强度分为90W、120W、150W 3组（每组40只），辐照时间均为3s。采集辐照前后的声像图，通过小波变换提取声像图纹理参数，使用支撑适量机建立决策平面，分析样本。结果 利用小波变换提取声像图纹理参数对HIFU消融组织凝固性坏死的判断高于灰度评价，且差异具有统计学意义（P<0.05）。结论与灰度评价相比，利用小波变换纹理分析对凝固性坏死判断的准确性和敏感度更高。

高强度聚焦超声；凝固性坏死；纹理分析

乳腺癌是最常见的女性恶性肿瘤之一，主要治疗方法包括手术、化疗及放疗等［1～3］。高强度聚焦超声（high intensity focused ultrasound，HIFU）作为一种新型的无创技术，为真正意义上的保乳治疗提供了可能。HIFU需要影像技术做为实时监控，超声是最常用的监控手段。但超声图像存在已发生凝固性坏死（coagulative necrosis，CN）而灰度未发生明显变化的情况［4］，灰度变化不明显可导致总剂量过大、治疗时间延长，引起并发症［5］。本研究对靶区声像图进行多分辨率小波变换纹理分析，旨在探究一种更为准确的疗效评价方式，以提高超声实时监控的准确性和敏感度，为临床研究提供实验基础。

1 材料与方法

1.1 材料

1.1.1 动物模型：荷瘤兔VX2瘤组织由重庆医科大学生物医学工程学院提供。无菌条件下切取种兔肝癌组织，生理盐水冲洗后，置于盛有生理盐水的玻璃皿中，取瘤体边缘生长旺盛的鱼肉样组织，剪碎，与生理盐水一起注入20mL注射器内，制成组织块悬液。取健康纯种雌性新西兰白兔120只，体质量2.5～3.0kg，麻醉后将组织悬液用针管注入双侧乳腺组织内各1mL。2周后于乳腺区域可扪及直径为10mm大小的肿块。将动物随机分为90W组、120W组、150W组，每组40只。建模后2周对实验兔乳腺肿瘤进行图像采集（图1）。

1.1.2 设备及软件：JC-200型聚焦超声肿瘤治疗系统，由重庆海扶（HIFU）技术有限公司提供。该系统包括功率源、超声实时监控定位、组合探头、治疗运动控制装置、治疗床及声耦合装置部分。其中声耦合剂为循环脱气水，含气<3×10-6（体积分数）。治疗参数：治疗头频率0.94MHz，直径220mm，焦距140mm，作用时间3s，治疗头在X、Y、Z 3个方向随意运动。Matlab Release 2010a和WEKA 3.7软件支持。

1.2 方法

1.2.1 HIFU辐照及图像采集：将兔麻醉后固定于治疗床上，启动B超诊断仪，对乳腺肿瘤进行定位。采集辐照前图像，存档备用。打开治疗系统，调整焦点使其位于肿瘤内部，进行手动点打扫描，功率90W、120W、150W，辐照时间均为3s，采集辐照后即刻图像。共120幅图，即120个样本，采集图像后存档（图 2）。

1.2.2 病理检查：HIFU辐照后，切取乳腺肿瘤，对辐照靶区进行取材，甲醛固定，石蜡包埋，制片，HE染色，光镜及电镜观察是否发生CN。以病理结果作为是否发生CN的标准。

1.2.3 分析图像：（1）用Matlab对采集的图像截取感兴趣区（region of interest，ROI），对 ROI进行 2次小波变换；（2）采用纹理分析方法里常用的各尺度上能由粗及细地观察对象，即小波变换多分辨率分析（multi-resolution analysis，MRA）的方法［6］。二维图像多分辨率分析的核心思想是沿图像的2个方向分先后2步作串级处理，这里采用db1小波，对图像作2层分解（图3）。用Matlab截取ROI，将截取的声像图进行1次小波变换，分解为4个子带图像：1个低频分量（平滑逼近）a1和3个高频分量（细节逼近）h1、v1、d1。再将得到的低频分量a1进行第2次小波变换，进一步得到1个低频分量a2和3个高频分量h2、v2、d2［7，8］，共获得 9幅图像（图 4）；（3）每幅图经过2次小波变换后得到的8幅图加上ROI，共9幅图，提取4个特征参数（峰度、偏度、均值和方差），共生成36个参数；（4）将参数分析得出的结果录入WEKA3.7中，采用支撑适量机（support vector machine，SVM）建立决策平面，分析样本。SVM工具箱随机抽取96个做为训练集，通过训练得出分类决策的超平面。将纹理参数得到的结果与灰度进行比较。

1.3 统计学分析

利用SPSS 16.0统计软件，对灰度评价和纹理分析的敏感度和特异度进行比较，采用χ2检验。检验水准取α=0.05。

2 结果

2.1 病理检查结果

HIFU辐照的120个样本中，发生CN71个，未发生凝固性坏死（notcoagulationnecrosis，NCN）49个。

2.2 多分辨率小波变换纹理分析与灰度评价对HIFU消融组织声像图CN判断的比较

如表1所示，120个样本中纹理分析方法判对数及判对率均高于灰度判断方法，差异有统计学意义（P=0.000）。纹理分析方法对发生CN及NCN的判对率均高于灰度判断方法，差异有统计学意义（P=0.017）。

如表2所示，90W、120W及150W组纹理分析方法判对数及判对率均高于灰度评价方法，差异有统计学意义（P=0.000）。

表1纹理分析和灰度评价方法对H I F U消融组织的判别结果T a b.1T h e r e s u l t s o f t e x t u r a l a n a l y s i s a n d g r a y-s c a l e e v a l u a t i o n f o r H I F Ua b l a t i o n r e c o g n i t i o n CN NCN Total n Correct quantity Correct rate（%） n Correct quantity Correct rate（%） n Total correct quantity Total correct rate（%）Texture 74 65 91.551） 46 39 79.591） 120 104 86.671）Gray 66 45 63.38 54 28 57.14 120 73 60.83CN，coagulation necrosis；NCN，not coagulation necrosis；1）P ＜ 0.05，texture vs gray.Parameter表2各剂量组纹理分析和灰度评价对H I F U消融组织的判别结果T a b.2T h e r e s u l t s o f t e x t u r a l a n a l y s i s a n d g r a y-s c a l e e v a l u a t i o n f o r H I F Ua b l a t i o n r e c o g n i t i o n i n d i f f e r e n t d o s e g r o u p Radiation Texture Texture Gray Gray power correct quantity correct rate（%） correct quantity correct rate（%）90W 32 80.01） 21 52.5120W 34 85.01） 23 57.5150W 38 95.01） 29 72.590W and 120W 66 82.51） 44 55.01）P ＜ 0.05，vs gray.

3 讨论

HIFU技术在临床上多采用二维超声进行实时监控。研究表明，二维超声灰度评价的准确率只有70%，假阴性有30%［9］，提示声像图的灰度监控存在着部分已经发生CN而没有灰度明显变化的情况，这种情况可导致HIFU总剂量过大、治疗时间延长，从而引起并发症的发生［5］。因此，HIFU超声监控需要准确性和敏感度更高的评价方式。

纹理分析是模式识别与图像处理中一种常用的分析方法。由于图像都存在纹理，小波变换通过对信号进行多尺度细化分析，提取纹理信息，能够看清肉眼不能识别的纹理，因此采用多分辨率小波变换法对纹理进行分析具有可行性和优越性［10］。常用的方法是提取纹理参数后，再用分类器通过特征参数进行分类。本研究选用SVM分类器作为小样本学习方法，通过特征参数的训练找到最优决策平面。SVM是统计机器学习理论的核心内容，其中心思想是调整判断函数使其充分利用边界样本点的分类信息，从而找到一个优化的决策超平面，使得正例和反例之间的分离裕度（最近的样本距离决策超平面的距离）被最大化［11，12］。SVM 适用于样本小、非线性、高维的样本分类。

纹理分析在肝脏、心脏及乳腺疾病的诊断方面已取得了很大进展，但运用于CN的判断却鲜见报道。吴凝等［13］用射频消融猪肉组织，选取6个灰度一阶统计量和4个方向灰度共生矩阵的各4个纹理度量（共计22个统计量）进行判别，并设计分类器，能达到区分是否发生CN的效果。李雁等［14］对离体牛肝的实验结果表明，多分辨率小波变换纹理分析方法对是否发生CN的判对率84%，灰度评价判对率60%。而本研究中，通过类似方法对活体兔VX2乳腺肿瘤进行实验，结果显示纹理分析方法对CN的判断准确率为86.67%，灰度评价则为60.83%，提示纹理分析与灰度评价相比准确性更高，且低剂量组（90W，120W）尤为明显。分析原因可能是低剂量条件下产生的空化微泡较少，在超声图像上没有出现明显的灰度变化，而空化微泡正是辐照后即刻引起灰度变化的主要原因［5］。而纹理分析方法采用了2次小波变换，由于小波具有数学显微镜的作用，能放大肉眼不可见的某些频段，因此大大提高了对CN的敏感度。

本研究样本量较小，辐照功率较为单一，分析方法仅采用了信号处理系统中的1种方法，因此仍有待今后进一步更深入的研究。

［1］Peter EH，Jueergen WJ，Ralf R，et a1.A new noninvasive approach in breast cancer therapy using magnetic resonance imaging-guided focused ultrasound surgery［J］.Cancer Rea，2001，61（23）：8441-8447.

［2］邓智平，任宏，赵冰.乳腺癌内分泌治疗的进展［J］.现代肿瘤医学，2005，13（3）：8-10.

［3］郭晓辉，周晓东，任小龙，等.高强度聚焦超声联合术前新辅助化疗治疗乳腺癌的疗效观察［J］.临床超声医学杂志，2007，9（6）：333-335.

［4］Young SW，Marineck B，Hohn GM.Ultrasonic hyperthermia for animal tumor treatment：CT assessment［J］.AJR Am J Roentqnol，1980，135（2）：363-367.

［5］邹建中，龚晓波，贺雪梅，等.高强度聚集超声辐照离体组织靶区无灰度变化有坏死现象的研究［J］.临床超声医学杂志，2008，10（9）：581-583.

［6］胡昌华，张军波，夏军，等.基于MATLAB的系统分析与设计—小波分析［M］.西安：西安电子科技大学出版社，1999：16-19.

［7］Lee JS，Sun YN，Lin XZ.A new approach to ultrasonic liver image classification［J］.IEICE Tran Inf Syst，2000，E83-D（6）：1301-1308.

［8］Arivazhagan S，Ganesan L.Texture classification using wavelet transform［J］.Pattern Recog Lett，2003，24（9-10）：1513-1521.

［9］Liu BQ，Xiong SH，Wang ZB，et al.The study on biological focal region of high intensity focused ultrasound under ultreasonography monitoring［J］.Chin J Ultrasonogr，2002，11（11）：687-688.

［10］贾永红.数字图像处理［M］.武汉：武汉大学出版社，2003：178-187.

［11］Hsu C，Lin C.A comparison of methods for multi-class support vector machines［J］.IEEE Trans Neural Netw，2002，13（2）：415-425.

［12］李昆仑，黄厚宽，田盛丰，等.模糊多类支持向量机及其在入侵检测中的应用［J］.计算机学报，2005，28（2）：276-280.

［13］吴凝，阳维，陈磊，等.射频消融组织的B超图像纹理分析［J］.中国医学影像技术，2007，23（1）：140-143.

［14］李雁，邹建中，王华，等.基于二维超声图像纹理分析判断HIFU凝固性坏死［J］.中国医学影像技术，2010，26（6）：1147-1149.

（编辑王又冬，英文编辑刘宝林）

Ultrasonogram Texture Analysis on Rabbit VX2Breast Tumor HIFU Ablation Based on Wavelet Transform

MIN Jia-yan1，ZOU Jian-zhong1，GUO Yu1，WANG Dong2
（1.College of Biomedical Engineering，Chongqing Medical University，Chongqing Municipal Key Laboratory of Ultrasound Engineering in Medicine，State Key Laboratory of Ultrasound Engineering in Medicine Co-founded by Chongqing and MOST，Chongqing 400016，China；2.Department of Ultrasound，Xinqiao Hospital，The Third Military Medical University，Chongqing 400037，China）

ObjectiveTo study the judging of coagulation necrosis by multi-resolution wavelet analysis texture parameters during the high intensity focused ultrasound （HIFU）treatment，to improve the sensitivity of judging coagulation necrosis by ultrasound monitoring.MethodsThe VX2breast tumors of rabbits in three groups was irradiated for 3s，with a irradiating intensities of 90W，120W，150W，respectively，each group contained 40New Zealand white rabbits.The ultrasonogram before and after irradiating were collected.Ultrasonogram texture parameters by wavelet transformation were extracted.Decision surfaces by means of support vector machine（SVM）was established.The samples were analyzed.ResultsJudging of coagulation necrosis of tissues ablated by HIFU by means of ultrasonogram texture parameters extracted by wavelet transformation was higher than that of gray scale evaluation，and the difference was of statistical significance （P<0．05）.ConclusionThe accuracy and sensitivity of judging of coagulation necrosis by means of wavelet transformation texture analysis was higher than that of grey scale evaluation.

high intensity focused ultrasound；coagulation necrosis；texture analysis

R445

A

0258-4646（2012）01-0014-04

doiCNKI：21-1227/R.20120113.1028.025

http：//www.cnki.net/kcms/detail/21.1227.R.20120113.1028.025.html

国家自然科学基金资助项目（30970767；60601023）

闵加艳（1986-），女，硕士研究生.

邹建中，E-mail：zoujz@haifu.com.cn

2011-06-23

网络出版时间：2012-01-1310：28