基于显微CT多分形谱特征和支持向量机的骨质疏松诊断*

刘 健

（秦皇岛市第一医院，河北秦皇岛 066000）

技术方法

基于显微CT多分形谱特征和支持向量机的骨质疏松诊断*

刘 健

（秦皇岛市第一医院，河北秦皇岛 066000）

骨质疏松；显微CT；多分形谱；支持向量机

骨质疏松症是以骨量减少、骨微观结构退化为特征，致使骨的脆性增加以及易发生骨折的一种代谢性骨病。一直以来，骨密度被认为是骨质疏松症诊断的临床标准和骨质疏松性骨折的主要预测因子。最近研究发现，低骨量只是骨质疏松的危险因素之一，除骨量外，骨小梁的微结构变化对骨强度起着至关重要的作用［1-2］。因此，对于骨小梁微结构的深入研究成为解决骨质疏松问题的关键［3］。在骨小梁结构研究中，传统骨组织形态计量学被誉为骨组织微结构量化分析的“金标准”［4］。但由于骨质疏松症的病理学改变主要为区域性组织形态学改变，并且骨组织质地坚硬，活检困难且局限性大，因此当前的病理学诊断方法无法进行全面、立体、无创的观察［5］。由于二维的传统方法存在诸多缺陷，使得评价骨微结构的三维显微CT方法最近几年发展迅速。如Gong等就是利用显微CT扫描人椎骨体不同部位骨微观结构，用于评价微结构相关的发生骨折的危险性［6］。Jiang等发现，高分辨率显微CT图像系统能很好地评价雌激素缺乏或骨质疏松患者中、长期骨小梁改变，与传统骨形态计量学比较，显微CT能够更早地探及骨结构变化，从而为早期预防骨质疏松症的发生提供了依据［7］。显微CT评价骨微结构的空间参数方面的研究也获得了较大进展，Geoffrey等［8］研究了基于骨小梁CT图像空间模式孔隙度分析的骨质疏松评价方法，Veenland等［9］研究了利用纹理特征来评价骨小梁结构改变的可行性。

在前述研究工作基础上，本研究提出一种利用多重分形谱特征评价骨微结构，并利用支持向量机算法进行自动分类以诊断骨质疏松疾病的方法，并且在骨小梁显微CT数据上验证了该方法的有效性。

1 多分形谱特征计算方法

用Chaudhuri和Sarker提出的差分盒子计数方法进行多分形谱特征计算。对于一个给定的尺度s，将M×M的图像分割为s×s大小的网格，每个网格中有一列s×s×h大小的盒子，其中h=s×G/M，G是最大的灰度级，M/2≥s＞1，s∈N，r=s/M。设Ps（i, j）为第ns（i, j）个网格中的概率测度，对于每个网格定义：

则可得：

2 实验研究结果比较

实验数据来自荷兰爱因霍芬科技大学生物力学与组织工程的骨小梁显微CT数据集。该数据利用Scanco Medical CT 80机采集，分为两个组，14个正常人作为对照组，14个骨质疏松病人作为疾病组。

2.1 二值化处理 进行滤波、感兴趣区域分割，以及二值化预处理后，每个人获得64张64×64的二值化图像。经过二值化处理后部分micro切片图像的对照示例见图1，图1（a）为3个正常样本的第40号切片，图1（b）为3个骨质疏松样本的第40号切片。从图像上可以看出有差异，但是直接计算骨量进行分类还有一定难度。例如第1个骨质疏松样本就容易与正常样本混淆，而第3个正常样本和第3个骨质疏松样本的总骨量区别也不是太明显。

图1 二值化microCT切片图像示例

2.2 多分形谱计算 由于骨质疏松患者显微CT图像呈现不同的纹理模式和复杂度，本文采用多分形谱理论进行特征提取。图2所示为显微CT图像切片经计算得到的多分形谱对照：图2（a）为某正常样本的第40号切片所对应的f(a)-a图，图2（b）为某骨质疏松样本第40号切片对应谱图。

图2 二值化microCT切片多分形谱图示例

2.3 特征提取与分类 对每个样本所有切片（共64个切片）计算多重分形谱数据，进一步提取多个Hausdorff维、斜率、标准偏差、方差/均值比等指标。将每个样本所有切片指标的平均值作为该样本对应的特征。对数据集所有样本提取出的特征用平行坐标图进行可视化，如图3所示。图中横坐标共有九种取值，分别对应Q=-2， Q=-1，Q=0，Q=1，Q=2时的Hausdorff维f(a （Q)）平均值，以及斜率（slope）和标准偏差、方差/均值比等指标。图中用虚线表示正常样本f(a （Q)），用带+号的实线表示骨质疏松样本。从图中可以看出，Q=-2时正常样本与骨质疏松样本有明显差异，正常样本Hausdorff维平均值偏低，而骨质疏松样本Hausdorff维f(a （Q)）平均值高。另外，斜率（slope）和标准偏差、方差/均值比等指标也具有较好的判别能力。但是Q=0时的Hausdorff维f(a （Q)）平均值可分性较差。

图3 两类特征的平行坐标图

将前述所提取的那些特征用支持向量机进行分类（利用LIBSVM工具箱，径向基函数核，5倍交叉验证），并与利用其它分类方法（线性判别LDA、k-近邻），和采用其他指标如：传统骨矿密度（BMD）指标以及采用单切片分形谱指标进行比较，结果如附表所示。从表中可以看出，与采用其它分类方法和传统特征比较，本文方法具有更好的分类性能。

附表 不同算法和特征分类结果比较表

3 小结

本研究针对骨质疏松病人和正常人显微CT图像间的纹理和复杂度差异的特点，基于多分形谱理论提出了一种多切片分形谱指标平均值特征表示方法，并且和支持向量机结合，取得了很好的分类效果。本研究提出的多切片分形谱指标平均值特征可在一定程度上反映骨的微观结构性能，对于辅助医生进行骨质疏松诊断具有较高价值。

［1］Hemandez CJ，Keaveny TM.A biomechanical perspective on bone quality［J］.Bone，2006，39（6）: 1173-1181.

［2］Dalle Carbonare L，Ciannini S.Bone microarchitecture as an important determinant of bone strength［J］.J Endocrinol Invest，2004，27（1）:99-105.

［3］张丽，戴如春.显微CT在骨质疏松研究中的应用［J］.医学影像学杂志，2009，19（2）：237-240.

［4］Cortet B，Colin D，Dubois P，et al.Methods for quantitative analysis of trabecular bone structure［J］.Rev Rhum Engl ED，1995， 62（11）: 781-793.

［5］蒋谊，魏启.显微CT在骨质疏松症病理诊断中的应用［J］.国外医学内分泌学分册，2005，25（5）：335-338.

［6］Gong H，Zhang M，Qin L，et al.Reginal variations in microstructural properties of vertebral trabeculae with structural groups［J］.Spine， 2006，31（1）:24-32.

［7］Jiang Y， Zhao J J， Mitlak BH， et al. Recombinant human parathyroid hormone（1-34）（teriparatide） improves both cortical and cancellous bone structure［J］.J Bone Miner Res，2003， 18（11）: 1932-1941.

［8］Dougherty G， Henebry GM.Henebry. Lacunarity analysis of spatial pattern in CT images of vertebral trabecular bone for assessing osteoporosis［J］.Med Eng Phys，2002，24（2）:129-138.

［9］Veenland JF，Grashuis JL，Weinans H，et al.Suitability of texture features to assess changes in trabecular bone architecture［J］.Pattern Recognition Letters，2002，23（4）:395-403.

R318.08

A

1004-6879（2016）03-0232-03

*国家自然科学基金项目（60873121）

（2015-04-09）