嚴(yán)　郁　方　舸　蔡潤(rùn)秋　袁開(kāi)開(kāi)　吳意贇

基于乳腺腫塊的超聲射頻信號(hào)特征算法識(shí)別

嚴(yán)郁①方舸①蔡潤(rùn)秋①袁開(kāi)開(kāi)②吳意贇①

目的：對(duì)超聲射頻信號(hào)進(jìn)行數(shù)據(jù)編譯與信號(hào)處理研究，得到具有臨床診斷意義的相關(guān)特征參數(shù)，用以輔助乳腺腫塊的臨床診斷。方法：將VINNO 70超聲診斷平臺(tái)的后臺(tái)數(shù)據(jù)庫(kù)提供的超聲射頻信號(hào)數(shù)據(jù)，在Matlab軟件系統(tǒng)中編寫標(biāo)準(zhǔn)差及熵值算法，處理數(shù)值矩陣中腫塊區(qū)域與正常組織區(qū)域數(shù)值，以得到乳腺腫塊區(qū)域參數(shù)。結(jié)果：通過(guò)標(biāo)準(zhǔn)差及熵值算法的處理顯示，正常區(qū)域的熵值及標(biāo)準(zhǔn)差數(shù)值比腫塊區(qū)域均高出40%。結(jié)論：超聲射頻信號(hào)特征算法中的標(biāo)準(zhǔn)差及熵值算法處理，能夠有效區(qū)別乳腺腫塊區(qū)域與正常組織區(qū)域。

特征算法；超聲射頻；乳腺腫塊；超聲診斷平臺(tái)

［First-author’s address］ Department of Equipment， Jiangsu Traditional Chinese Medicine Hospital， Nanjing 210029，China.

醫(yī)學(xué)超聲成像是利用超聲聲束掃描人體，通過(guò)對(duì)反射信號(hào)的接收、處理以及反映的聲學(xué)特征差異來(lái)區(qū)分不同的組織，以獲得人體各個(gè)組織成分的圖像，并且用圖像顯示出臟器界面和組織內(nèi)部的細(xì)微結(jié)構(gòu)，借助圖像可對(duì)病灶與正常組織進(jìn)行判別診斷［1-2］。然而，這種基于對(duì)直觀圖像的判斷具有一定的主觀性。因此，通過(guò)對(duì)原始的超聲無(wú)線射頻（radio frequency，RF）信號(hào)進(jìn)行處理，針對(duì)其特性設(shè)計(jì)的算法進(jìn)行計(jì)算，可獲取相應(yīng)的特征參量，提升對(duì)圖像的認(rèn)識(shí)度，輔助醫(yī)生診斷［3-4］。本研究針對(duì)乳腺腫塊的超聲RF信號(hào)進(jìn)行超聲RF特征算法提取，而超聲影像的腫瘤診斷依靠肉眼判斷受主觀性影響較大，探討通過(guò)數(shù)據(jù)化分析給出特征參量輔助臨床診斷。

1　超聲射頻信號(hào)特征算法提取

1.1特征算法原理與編譯

特征參量算法編譯使用為工程領(lǐng)域標(biāo)準(zhǔn)行業(yè)Matlab軟件（美國(guó)Mathworks公司開(kāi)發(fā)），提取超聲RF信號(hào)，計(jì)算相應(yīng)區(qū)域的熵值與標(biāo)準(zhǔn)差，以達(dá)到更加直觀的區(qū)分病灶的目的。對(duì)超聲RF信號(hào)進(jìn)行處理需要將RF信號(hào)以可讀取的方式提取出來(lái)。超聲RF信號(hào)的提取以超聲診斷系統(tǒng)VINNO 70的開(kāi)放后臺(tái)數(shù)據(jù)庫(kù)為平臺(tái)進(jìn)行，導(dǎo)出的16進(jìn)制原數(shù)據(jù)被轉(zhuǎn)換，并重新排列編譯成10進(jìn)制的數(shù)值矩陣，其矩陣中的每個(gè)數(shù)值點(diǎn)對(duì)應(yīng)于超聲圖像中的相同行列坐標(biāo)的像素點(diǎn)，而數(shù)值點(diǎn)的大小則反映了相應(yīng)超聲圖像像素點(diǎn)的未經(jīng)圖像增強(qiáng)前的本征灰度值，即形成的數(shù)值矩陣是超聲圖像未經(jīng)圖像處理前所對(duì)應(yīng)的二維數(shù)值表示［9-12］。由于未經(jīng)過(guò)圖像增強(qiáng)，該數(shù)值矩陣所標(biāo)示的超聲圖像在超聲臨床診斷中，尤其憑借超聲圖像視覺(jué)的判斷其意義不大。但對(duì)于信號(hào)分析與處理，該數(shù)值矩陣包含了最全面、未失真的超聲信息，適合于進(jìn)行算法編譯，以得到具有臨床意義的參量。

1.2熵值與標(biāo)準(zhǔn)差

（1）統(tǒng)計(jì)樣本的熵值（S）定義為系統(tǒng)各樣本元素所有可能狀態(tài)的總數(shù)，熵值S的計(jì)算為公式1：

式中Nn為第n個(gè)狀態(tài)下的可能狀態(tài)數(shù)，在對(duì)信號(hào)的處理上反應(yīng)為數(shù)值矩陣中具有同一數(shù)值大小的元素?cái)?shù)量。熵值體現(xiàn)了統(tǒng)計(jì)樣本的混亂度。在對(duì)樣本標(biāo)準(zhǔn)差與熵值的分析中，將剔除遠(yuǎn)場(chǎng)區(qū)末端以及鄰近皮膚表面的區(qū)域。

（2）標(biāo)準(zhǔn)差（σ）在數(shù)理統(tǒng)計(jì)中表示樣本元素之間的離散程度，標(biāo)準(zhǔn)差σ的計(jì)算為公式2：

式中xi為定義為樣本中各元素，與樣本均值μ的插值的算術(shù)均方根，標(biāo)準(zhǔn)差σ的大小反應(yīng)了樣本元素的均一度。

由于遠(yuǎn)場(chǎng)區(qū)末端的超聲信號(hào)衰減嚴(yán)重，信號(hào)噪聲累計(jì)，而鄰近皮膚表面區(qū)域強(qiáng)烈的聲波干涉以及實(shí)際耦合不完全等問(wèn)題，遠(yuǎn)場(chǎng)區(qū)以及皮膚鄰近區(qū)域的數(shù)據(jù)加入分析會(huì)增加統(tǒng)計(jì)漲落的不確定性，在本研究中遠(yuǎn)場(chǎng)區(qū)末端與鄰近區(qū)域定義為數(shù)值坐標(biāo)1500與100，因此取值區(qū)域在縱向坐標(biāo)［100，1500］區(qū)間范圍內(nèi)，超聲RF數(shù)據(jù)矩陣如圖1所示。

圖1　超聲RF數(shù)據(jù)矩陣圖像

2　特征算法臨床測(cè)試結(jié)果

利用邊界識(shí)別算法確定良性腫塊區(qū)域，勾勒出腫塊邊界，使用判斷程序讀出邊界坐標(biāo)，并截取腫塊區(qū)域，分別求取腫塊區(qū)域與正常區(qū)域的標(biāo)準(zhǔn)差與熵值作比較［13-15］。

在實(shí)際數(shù)據(jù)處理的過(guò)程中，抽取4組超聲RF數(shù)據(jù)，采用抽樣的數(shù)據(jù)矩陣區(qū)塊對(duì)腫塊區(qū)域與正常區(qū)域的標(biāo)準(zhǔn)差與熵值進(jìn)行比較分析，4組超聲RF數(shù)據(jù)的腫塊區(qū)域與正常區(qū)域的標(biāo)準(zhǔn)差與熵值比較結(jié)果見(jiàn)表1。

表1　超聲RF數(shù)據(jù)的腫塊區(qū)域與正常區(qū)域的標(biāo)準(zhǔn)差與熵值

表1顯示，正常乳腺組織與良性腫塊區(qū)的標(biāo)準(zhǔn)差與熵值數(shù)值大小有明顯的區(qū)別，正常組織的標(biāo)準(zhǔn)差數(shù)值集中在56和78，應(yīng)與表中數(shù)據(jù)統(tǒng)一區(qū)間，而腫塊組織的標(biāo)準(zhǔn)差數(shù)值集中在40和49，應(yīng)與表中數(shù)據(jù)統(tǒng)一區(qū)間。同樣在統(tǒng)計(jì)熵值中，正常組織的數(shù)值集中區(qū)間為6.75和6.95，而腫塊組織的數(shù)值集中區(qū)間5.15和6.22。

3　討論

3.1特征算法與病理組織學(xué)

迄今為止，對(duì)于超聲RF采集后圖像的處理，國(guó)內(nèi)外學(xué)者提出了諸多方法，多是針對(duì)脂肪肝與肝纖維化分級(jí)的超聲RF信號(hào)提出的算法并進(jìn)行評(píng)估。人體的組織結(jié)構(gòu)極為復(fù)雜，在不同的器官和不同的組織中，有著不同的聲學(xué)特征，因此正常細(xì)胞區(qū)域和與病灶區(qū)域的聲阻抗也會(huì)有明顯差異，在超聲信號(hào)發(fā)射到人體后兩者會(huì)有不同的折射、散射及衰減，從而造成圖像上的差異［16-17］。圖像差異主要來(lái)自于兩點(diǎn)：①正常細(xì)胞的形態(tài)、規(guī)則及大小一致，細(xì)胞核與整個(gè)細(xì)胞的比例穩(wěn)定，在每個(gè)細(xì)胞核內(nèi)染色質(zhì)分布均勻，而由于腫瘤細(xì)胞不受正常調(diào)控系統(tǒng)控制的特點(diǎn)，其細(xì)胞體積會(huì)明顯增大，核的形態(tài)也不一，可能出現(xiàn)多核、雙核及巨核等各種情況，因此細(xì)胞的核質(zhì)比要比正常細(xì)胞大許多；②正常細(xì)胞大多具有接觸抑制，體內(nèi)表現(xiàn)為細(xì)胞的排列規(guī)則，細(xì)胞生長(zhǎng)過(guò)程中，一旦相互接觸達(dá)到致密結(jié)構(gòu)便不再分裂，而腫瘤細(xì)胞則失去了接觸抑制，在體內(nèi)無(wú)序的迅速增值，即使堆積成群，仍然可以繼續(xù)分裂生長(zhǎng)，形成腫塊［18-19］。

腫瘤的特征與本研究的數(shù)據(jù)呈現(xiàn)的特征相一致，由于腫瘤細(xì)胞失去接觸抑制的特性，細(xì)胞呈現(xiàn)出更加團(tuán)塊化的狀態(tài)，因此腫塊區(qū)域與正常區(qū)域相比，細(xì)胞核占據(jù)了大部分空間，使得整片區(qū)域?qū)Τ曅盘?hào)的反映更加一致，圖像上表現(xiàn)為標(biāo)準(zhǔn)差更小，熵值更小。

3.2特征算法的臨床應(yīng)用

由于超聲RF參數(shù)在正常組織與病變區(qū)域有著較大的區(qū)別，可被用作乳腺腫瘤的早期篩查與輔助判斷。在實(shí)際臨床應(yīng)用中可以考慮將RF參數(shù)生成加入至超聲圖像掃描模塊，在圖像掃描的過(guò)程中手動(dòng)選定ROI區(qū)域，由超聲診斷儀直接生成RF參數(shù)，輔助醫(yī)生診斷。

4　結(jié)論

在對(duì)超聲RF信號(hào)的分析表明，選取標(biāo)準(zhǔn)差與熵值兩種特征算法，均可較清晰地反映出正常乳腺組織和乳腺腫塊之間的差別。兩者在標(biāo)準(zhǔn)差與熵值的參數(shù)上均反映為集中在一定的區(qū)間內(nèi)，而且正常區(qū)域相較于腫塊區(qū)域呈現(xiàn)出較高的數(shù)值，與細(xì)胞形態(tài)學(xué)上的相關(guān)特征反映一致。同時(shí)，在對(duì)腫塊區(qū)域和正常區(qū)域標(biāo)準(zhǔn)差參數(shù)分析的對(duì)比中顯示，兩者平均相差40%，具有較高的臨床診斷價(jià)值。熵值算法中正常區(qū)域更加集中，而腫塊區(qū)域較為分散。但兩種算法各有利弊，均能對(duì)輔助診斷提供依據(jù)。

［1］李曉峰，沈毅，王強(qiáng)，等.超聲乳腺腫瘤圖像計(jì)算機(jī)輔助診斷系統(tǒng)［J］.吉林大學(xué)學(xué)報(bào)（工學(xué)版），2009，39（3）：770-775.

［2］陳秋霞，向軍，劉奇，等.乳腺腫瘤超聲圖像紋理特征分析［J］.激光雜志，2014，35（3）：65-66.

［3］Tzagkarakis G，Achim A，Tsakalides P，et al. Joint reconstruction of compressively sensed ultrasound RF echoes by exploiting temporal correlations［C］.IEEE Internat Symposium Biomed Imaging，2013，20：632-635.

［4］Li G，Luo Y，Deng W，et al.Computer aided diagnosis of fatty liver ultrasonic images basedon support vector machine［J］.Conf Proc IEEE Eng Med Biol Soc，2008，2008：4768-4771.

［5］劉映，林江莉，陳科，等.基于PCA的脂肪肝超聲RF信號(hào)特征選擇［J］.實(shí)驗(yàn)科學(xué)與技術(shù)，2014，12（4）：4-7.

［6］林江莉，汪小毅，李德玉.脂肪肝B超圖像特征提取研究［J］.四川大學(xué)學(xué)報(bào)（工程科學(xué)版），2005，37（1）：130-134.

［7］高永振，林春漪，陳秋彬，等.基于超聲射頻時(shí)間序列的肝纖維化程度評(píng)分方法［J］.生物醫(yī)學(xué)工程學(xué)雜志，2015（1）：175-180.

［8］劉志東，羅燕，林江莉.基于超聲射頻RF信號(hào)的脂肪肝分級(jí)量化方法［J］.四川大學(xué)學(xué)報(bào)（工程科學(xué)版），2011（S1）：160-164.

［9］肖舜金，武劍輝，欒強(qiáng)厚，等.基于PCI總線的超聲射頻數(shù)據(jù)傳輸系統(tǒng)［J］.電子測(cè)量技術(shù)，2012，35（3）：120-123.

［10］王婷，高曉蓉，李金龍，等.基于小波變換的超聲圖像去噪算法研究［J］.信息技術(shù)，2015（2）：93-96.

［11］Po-Wen Cheng，Che-Chou Shen，PCLi，et al. Ultrasound RF channel data compression for implementation of a software-based array imaging system［C］.IEEE International Ultrasonics Symposium，2011：1423-1426.

［12］廖長(zhǎng)義，王華，周慧婷，等.基于超聲射頻回波分布的脂肪厚度測(cè)量［J］.壓電與聲光，2012，34（5）：806-810.

［13］林其忠，余建國(guó)，王怡，等.超聲乳腺腫瘤圖像的邊緣提?。跩］.中國(guó)醫(yī)學(xué)影像技術(shù)，2007，23（10）：1572-1574.

［14］林一聰，鄭政，趙智慧，等.基于FPGA的超聲射頻信號(hào)自適應(yīng)濾波器［J］.北京生物醫(yī)學(xué)工程，2012，31（1）：21-25，30.

［15］付樹(shù)軍，阮秋琦，李玉，等.基于各向異性擴(kuò)散方程的超聲圖像去噪與邊緣增強(qiáng)［J］.電子學(xué)報(bào)，2005，33（7）：1191-1195.

［16］汪源源，沈嘉琳，王涌，等.基于形態(tài)特征判別超聲圖像中乳腺腫瘤的良惡性［J］.光學(xué)精密工程，2006，14（2）：333-340.

［17］高榆秀，趙誠(chéng)，趙鵬，等.乳腺葉狀腫瘤與纖維腺瘤超聲圖像特征的統(tǒng)計(jì)學(xué)分析［J］.中國(guó)超聲醫(yī)學(xué)雜志，2013，29（11）：975-978.

［18］孫衛(wèi)健，康莉，范曉芳.常規(guī)超聲與彈性成像技術(shù)鑒別診斷乳腺腫塊的比較研究［J］.中華超聲影像學(xué)雜志，2010，19（2）：181-182.

［19］張祥盛.WHO乳腺腫瘤組織學(xué)分類［J］.診斷病理學(xué)分類，2012，19（6）：477-478.

Ultrasound radio-frequency characteristic signal processing for breast lump recognition

YAN Yu， FANG Ge， CAI Run-qiu， et al

China Medical Equipment，2016，13（9）:20-22.

Objective: As an aided diagnostic method for medical ultrasound systems， radiofrequency characteristic signal processing enables doctors to increase the recognition rate for certain diseases， the aim of ultrasound RF signal processing is to acquire the corresponding parameters with clinical aids. Methods: The raw radio-frequency data， collected from the backstage databank of VINNO 70 ultrasound scanner， was compiled into manageable matrix format. Then the breast lump region and normal tissue region labelled in the data matrix，was processed by standard variance and entropy algorithms compiled using Matlab. Results: The results indicate the entropy and standard deviation of normal region is higher than lump region about 40%. Conclusion: The analysis of results conclude the effectivity of the standard variance and entropy algorithms to recognize the breast lump region and the normal tissue region.

Characteristic signal processing； Ultrasound radio-frequency signal； Breast lump； Ultrasound diagnostic platform

1672-8270（2016）09-0020-03

R445.1

A

10.3969/J.ISSN.1672-8270.2016.09.006

2016-03-29

①江蘇省中醫(yī)院設(shè)備處 江蘇 南京 210029

②南京醫(yī)科大學(xué)生物醫(yī)學(xué)工程系 江蘇 南京 210029

嚴(yán)郁，男，（1979- ），博士研究生，高級(jí)工程師。江蘇省中醫(yī)院設(shè)備處，從事醫(yī)院設(shè)備管理與采購(gòu)工作。