超声图像偏倚式干涉技术的建立及其在肝内占位病变中的应用

董振宇，刘镭，刘力，张玲利，叶然，谭莹

香港大学深圳医院超声科，广东深圳 518000； *通讯作者 董振宇 Dzy2_2002@163.com

肝内占位病变的检出率逐年增高[1]。同时，肝内结节病变种类较多，鉴别诊断困难[2]。因此，提高肝内占位病变的恶性检出率是目前无创诊断领域关注的热点。超声是目前使用最广泛的无创诊断技术之一。随着图像识别技术的发展，超声诊断的智能化为临床诊疗提供了更加客观和全面的决策支持[3]。本研究使用病理干涉图像灰度分布分析程序鉴别诊断肝内占位病变图像的良恶性，并与人工和病理检查结果进行对比，以探讨该技术的临床应用价值。

1 资料与方法

1.1 研究对象 回顾性分析2016年1月—2018年9月香港大学深圳医院收治的112例肝内发现占位病变，并接受手术患者的临床资料。患者年龄27～65岁，其中男70例，女42例。排除标准：①合并腹水等门静脉高压综合征；②患有心脑血管疾病等；③拒绝本研究涉及的检查及随访。B超检查显示本组患者肝内占位病变120枚，其中良性80枚，恶性40枚。将良、恶性结节随机分为建模组及验证组，每组60枚。所有研究对象均经过人工、超声图像偏倚式干涉（bias interference，BI）及手术检查。所有患者均于手术前签署知情同意书。本研究经香港大学深圳医院伦理委员会审核通过。

1.2 研究方法 使用 Philips iU ELITE、GE LOGIQ E9、Philips EPIQ 5并配合其相应凸阵探头结合腹部预设条件。①病理学及超声图像特征提取：对建模组获取的病变图像使用Coral Paint Shop Pro 13为工具，以大体病理标本为本底，灰度化本底图片。以病灶中心为中点，每 120°定向等间距（病灶中心至边缘长度25%）取点，取点范围涵盖病变边缘[4-5]。参照文献[6-7]对超声图像亦采用相同方法取点并获取灰阶数值。②BI：对病理及超声获取数据进行相关性分析。将该分析结果引入MATLAB并对验证组中病灶超声图像进行自动分析获取结果。③上述相关性分析结果导入MATLAB运行，对验证组图像进行分析，符合中点、病灶中心至边缘长度25%、50%、75%病灶（超声及病理的相应位置以下简称为“超声25”“病理25”，并以此类推）及边缘的图像被系统自动标识。全部标识的病灶作为恶性病变特征；未完全标识则被设定为良性病变。④收集上述过程获得的数据进行统计学分析，包括病理及超声各点良恶性的差异性以及超声图像与病理图像各点的相关性；同时以病理结果作为“金标准”，对超声识别结果和人工检查结果分别进行一致性分析。

1.3 统计学方法 采用SPSS 23.0软件，灰阶等计量资料以±s表示。建模组病理和超声各点的多组间比较采用单因素方差分析；计数资料组间比较采用χ2检验。病理与 BI及人工检查结果的一致性分析采用Kappa检验。P<0.05表示差异有统计学意义。

2 结果

以病理检查为“金标准”，建模组良性病变37例、恶性23例，验证组良性病变43例、恶性17例，组间良恶性病变差异无统计学意义（χ2=1.350，P=0.333）。

建模组中，良恶性病灶的病理及超声图像灰阶差异均有统计学意义（F=18.946，P=0.000；F=43.496，P=0.000），其灰阶值的统计描述及方差分析结果见表1、2。

超声图像各点与病理图像灰度测值具有相关性（P<0.05）。见表3、图1。

表1 建模组病理图像灰阶（±s）

表1 建模组病理图像灰阶（±s）

性质 中心 距中心25%瘤体大小 距中心50%瘤体大小 距中心75%瘤体大小 边缘良性 184.4±6.3 173.0±7.2 145.5±6.5 123.9±6.4 105.1±8.0恶性164.2±3.5152.0±3.1124.5±3.9103.6±3.5100.7±9.6

表2 建模组超声图像灰阶（±s）

表2 建模组超声图像灰阶（±s）

性质 中心 距中心25%瘤体大小 距中心50%瘤体大小 距中心75%瘤体大小 边缘良性 76.6±13.0 60.4±11.5 53.2±14.8 51.3±12.2 43.8±13.5恶性85.3±10.780.1±22.876.1±13.573.8±22.367.4±22.1

表3 超声及病理图像相关性分析结果

图1 超声及病理灰阶分布

通过BI分析识别的良恶性结果与病理结果具有较高的一致性（Kappa=0.789，P=0.000），总准确率为91.7%（55/60）；病理结果与人工检查结果亦具有较好的一致性（Kappa=0.596，P=0.000），总准确率为80.0%（48/60）。见表4、5。

表4 图像特征识别结果（例）

表5 BI与人工检查图像识别结果（例）

3 讨论

超声作为一种简便的医学常用技术已得到广泛使用。本研究旨在通过获取超声图像特征，分析其与病理图像的一致性，并与人工检查结果进行一致性分析，以期分析过程自动化，提高诊断效率，对其临床应用价值进行初步研究。既往研究更加注重对病理图像特征的肉眼识别，往往对于不同仪器、不同操作者的差异和图像的数学模型特征不够重视[8-9]。本研究建模基于病理大体标本，在超声相应位置基于灰阶图像建立图像干涉，对超声图像进行纠正并建模。

病理学大体图像建模的优势在于解剖结构的相似性，利用相对位置的图像特征对超声图像属性进行调整。本研究通过多层次动态扫查获取全容积图像，在结合病理学以超声视角进行操作（如切割固定）基础上提取相应部位图像，以保证对应位置的准确性。

本研究相关性分析中的散点图呈沿线性集中的趋势，反映超声图像的变化规律与病理相对应。边缘选取点数量较少的原因是患者部分合并肝硬化，部分无基础肝脏病变，故其背景图像的不均质性可能造成图像干涉的不确定性，从而可能造成对病灶定性的错误。

本研究结果显示，超声图像和病理图像的定位点特征差异无统计学意义，与人工检查的一致性分析差异亦无有统计学意义。本研究的重点在于将传统的肉眼识别病理、超声图像通过数学模型的特征识别应用于图像分析。而目前的研究则主要集中于超声图像算法的改良[10-11]。对于良恶性的鉴别诊断，除使用中心距离的图像灰阶属性分析外，还可使用区域光点分布密度进行分析，从而增加该技术应用的广度及对更大范围病理分型的诊断[12]。

本研究的局限性：①对于肝内占位病变亚型的分类无法以通用公式解决。由于大体标本的获取、切割直接影响诊断的准确性，大量数据对于工作平台的性能亦有一定的要求，故进行广泛临床应用仍有困难。②由于对于分辨率要求较高，较小的病变依然存在取点的困难；而病灶直径是否>3 cm是肿瘤生物学特性发生高度恶性转变的重要时期，两者存在一定的矛盾，故仍需要大样本数据的检验[13]。③统计过程中，距中心 25%瘤体大小处的超声图像与病理学检查图像的相关系数较低，其原因可能是超声图像采点存在偏差，且瘤体本身出现局限性的特殊继发性改变，如出血、钙化。未来工作中将通过更多病例研究以论证该情况出现的原因，尤其对于局限性的继发性病理改变如何转变成通用的数学模型具有重要意义。

本研究利用BI技术对超声图像调整并应用于临床诊断研究，发现相对于病理结果较为准确，相对于人工操作具有较好的一致性，从而有助于为临床提供较有价值的信息。