超声图像定量分析对乳腺良、恶性肿瘤的诊断价值

超声图像定量分析对乳腺良、恶性肿瘤的诊断价值 【摘要】  目的 研究乳腺良、恶性肿瘤超声诊断量化方法。方法 对手术确诊的良、恶性乳腺肿瘤各10例的原始超声图像的灰度特征进行提取，利用Matlab 7.0图像处理函数及算法编程计算两组图像的4个灰度特征参数(灰度均值M、灰度标准差V、扭曲度S、熵H)，对比分析各参数在2组样本之间的差异。结果 良、恶性乳腺肿瘤患者超声图像的灰度均值M、灰度标准差V、扭曲度S均存在显著性差异，分别为60.30±11.77 vs 82.64±5.35、27.49±4.67 vs 31.89±3.38、0.20±0.05 vs 0.85±0.22。结论 超声图像定量分析能量化乳腺良、恶性肿瘤超声图像的特征，M、V、S具有作为乳腺良、恶性肿瘤超声诊断量化指标的价值。 【关键词】  乳腺肿瘤;超声诊断;图像定量分析;灰度特征 　　Abstract： Objective To investigate a feasible approach to the quantitative analysis of ultrasonic images in diagnosing benign and malignant breast tumors. Methods The original ultrasonic images of 10 cases of benign breast tumors and 10 cases of malignant breast tumors diagnosed by surgical operation were collected and the grey-scale features were extracted. The Matlab 7.0 image processing function and algorithm programming was used to calculate the four grey-scale feature parameters, e.g., mean (M), standard variance (V), skewness (S) and entropy (H) of the two groups of ultrasonic images. The differences in parameters between the two groups were analyzed. Results The differences of M (60.30±11.77 vs 82.64±5.35), V (27.49±4.67 vs 31.89±3.38) and S (0.20±0.05 vs 0.859±0.22) between the two groups were significant. Conclusion Quantitative analysis of ultrasonic images helps to quantize the grey-scale feature of ultrasonic images between benign and malignant breast tumors. The three parameters (M, V, S) are valuable quantitative indexes to ultrasonic diagnosis between benign and malignant breast tumors. 　　Key words：breast tumor; ultrasonic diagnosis; quantitative analysis of image; grey-scale feature 　　乳腺癌发病率、病死率均居女性恶性肿瘤首位，早期诊断对预后尤为重要。超声检查以其无创优点成为门诊疑似患者常用诊断方法，超声检查根据乳腺肿瘤影像的边界、形态和回声分布等特征判别其良恶性;但对于声像图特征不明显的乳腺肿瘤，诊断主要依赖医生的经验，而没有量化指标，因此诊断的准确性不能令人满意。本研究利用Matlab 7.0图像处理函数及算法编程，对乳腺良、恶性肿瘤超声图像的灰度特征参数进行对比分析，以期为乳腺肿瘤的良、恶性判别提供量化诊断依据。 　　1 资料和方法 　　1.1 图像采集 采集2008年1月—2009年1月徐州医学院附属医院收治经病理确诊的乳腺良、恶性肿瘤各10例患者的原始超声图像，经超声工作站保存在计算机中。超声诊断仪器为麦迪逊ACCUVIX XQ型，L5-12 MHz变频探头。 　　1.2 感兴趣区域选取 首先截取肿瘤组织部分的感兴趣区域(ROI)，再提取特征参数。ROI选择形状为矩形，ROI的区域大小固定， ROI图像像素为64×64[1]。ROI区域选择图例见图1。 　　1.3 图像灰度特征参数的提取及计算 本研究选取如下常用的4个灰度特征参数[2]：①灰度均值M=∑L-1r=0rp(r) ，示ROI内各点灰度值的平均数，回声越强，灰度均值越大。②灰度标准差V=∑L-1r=0(r-M)2p(r)，表示灰度均数两侧灰度值分散程度的量，如果ROI内各点灰度值比较接近，则灰度标准差小，反映回声是否均匀。③扭曲度S=1V3∑L-1r=0(r-M)3p(r)，反映灰度值的对称性。④熵H=-∑L-1r=0p(r)log2p(r)，反映灰度值分布均匀程度，各灰度值等概率出现时，熵最大。各公式中r为像素值，p(r)为灰度为r的概率。 　　图1 灰度特征提取的ROI区域选择图例 　　利用Matlab 7.0图像处理函数及算法编程，计算2组患者超声图像的M、V、S、H参数值。将统计数据输入SPSS 11.0统计学软件进行非配对t检验，P<0.05认为差异具有统计学意义。 　　2 结 果 　　2组超声图像的M、V、S、H灰度特征参数统计分析结果见表1。统计学处理结果显示，乳腺良、恶性肿瘤的M、V、S存在统计学差异，提示M、V、S的量化比较对判断乳腺良、恶性肿瘤有意义。表1 良、恶性乳腺肿瘤超声图像的灰度特征参数比较与良性乳腺肿瘤比较：*P<0.05，**P<0.01 　　3 讨 论