徐磊，劉任從，孟慶樂，楊瑞，蔣紅兵

南京醫(yī)科大學(xué)附屬南京醫(yī)院（南京市第一醫(yī)院） a.醫(yī)療設(shè)備處；b.核醫(yī)學(xué)科，江蘇 南京 210006

基于核素顯像的甲狀腺體積測定方法研究

徐磊a，劉任從b，孟慶樂b，楊瑞b，蔣紅兵a

南京醫(yī)科大學(xué)附屬南京醫(yī)院（南京市第一醫(yī)院） a.醫(yī)療設(shè)備處；b.核醫(yī)學(xué)科，江蘇 南京 210006

目的開發(fā)一種基于自適應(yīng)閾值的圖像分割算法，用于核素顯像中甲狀腺體積的測定。方法首先對甲狀腺核素顯像的圖像進(jìn)行平滑、增強、灰度變換等預(yù)處理；然后用自適應(yīng)閾值算法和形態(tài)學(xué)處理分割出甲狀腺區(qū)域；最后在甲狀腺區(qū)域上設(shè)置參考點，得出最大高度和每葉甲狀腺面積，進(jìn)而計算出甲狀腺體積。結(jié)果以超聲測得的甲狀腺體積作為參考標(biāo)準(zhǔn)，選取偏差、精度、相對誤差、相關(guān)度等評價指標(biāo)對不同的甲狀腺體積測定方法進(jìn)行比較。不同方法的對比分析結(jié)果顯示，基于本研究方法所測定的甲狀腺體積不僅與超聲測定結(jié)果高度相關(guān)（R2=0.99），且精度（±2.14 mL）最高，測量偏差（0.9）、相對誤差（3.2%±4.36%）最低。結(jié)論本研究開發(fā)的甲狀腺體積測定方法精確、簡便，有助于核醫(yī)學(xué)科醫(yī)生為患者制定個體化劑量方案。

核素顯像；甲狀腺體積測定；自適應(yīng)閾值算法；圖像分割；形態(tài)學(xué)處理

Graves?。℅raves’ Disease，GD）是一種甲狀腺功能亢進(jìn)癥，患病率為1%～2%，主要的治療方法有甲狀腺藥物治療、放射性碘（131I）治療、手術(shù)治療等[1-2]。對于病情不復(fù)雜的GD患者，131I治療見效迅速、經(jīng)濟(jì)、簡便、安全，緩解率高、復(fù)發(fā)率低。根據(jù)輻射安全法規(guī)，個體化劑量方案被用于確定131I治療劑量，計算公式[3]如下所示：

其中，D代表放射性131I治療劑量（MBq），U是24 h攝131I率（%），C是一個常量，通常取3.7 MBq/g，V是甲狀腺體積（mL）。由公式(1)可知，放射性131I治療劑量正比于甲狀腺體積，因此甲狀腺體積的精確測定程度直接影響病人的治療劑量。

在傳統(tǒng)的核醫(yī)學(xué)檢查中，若甲狀腺外形是規(guī)則的，甲狀腺邊界通常使用固定閾值來分割；若外形不規(guī)則，則采用手工勾畫感興趣區(qū)域（Region of Interest，ROI）來分割[4-6]。但是采用固定閾值算法分割甲狀腺區(qū)域沒有考慮到甲亢患者甲狀腺核素成像的個體差異性，因而精確度較差，而手工勾畫感興趣區(qū)具有費時、冗長和高度依賴操作者等缺點。為了克服這些不足，本研究提出了一種基于自適應(yīng)閾值的圖像分割算法，可以全自動、精確地分割出甲狀腺區(qū)域，并能夠用于甲狀腺體積測定。每葉甲狀腺體積測定公式[7]如下所示：

其中V、A和L分別代表甲狀腺體積、甲狀腺正面投影面積和甲狀腺的高度，K取0.32。

1 材料與方法

1.1 材料

本研究選取南京市第一醫(yī)院核醫(yī)學(xué)科2015年1～6月進(jìn)行核素靜態(tài)顯像的30例GD甲亢病人，并測定其24 h的攝131I率。采集設(shè)備是西門子雙探頭SPECT/CT，病人采用仰臥姿勢。圖像采集參數(shù)設(shè)置如下：前位視野，矩陣256×256×16，計數(shù)300k，放大倍數(shù)3.2。

1.2 方法

1.2.1 圖像分割流程

本研究提出的圖像處理流程分為預(yù)處理、圖像分割、感興趣區(qū)（ROI）自動識別和甲狀腺體積測定4部分。首先，采用高斯平滑濾波器和取大濾波器對圖像進(jìn)行預(yù)處理，以降低圖像中的椒鹽噪聲，突出目標(biāo)主體甲狀腺；其次，采用自適應(yīng)閾值算法分割出甲狀腺區(qū)域，并配合使用形態(tài)學(xué)操作；然后，在分割出的甲狀腺區(qū)域上設(shè)置參考點，得出最大高度和每葉甲狀腺面積；最后，使用公式(2)計算甲狀腺體積。圖像處理流程，見圖1。

圖1 甲狀腺核素顯像的圖像處理流程

1.2.2 圖像預(yù)處理

受成像原理限制，甲狀腺核素顯像的圖像伴隨著高噪聲，為了更多地保留甲狀腺部分，突出目標(biāo)主體信息，需要對圖像進(jìn)行預(yù)處理來改善圖像質(zhì)量。本研究采取的預(yù)處理策略是：首先用高斯平滑濾波器壓制噪聲，然后用取大濾波器突出甲狀腺輪廓。

高斯濾波器由公式(3)[8]給出，其中σ取1.4，濾波后圖像用Igau表示。取大濾波器由公式(4)給出，其中Sxy是以像素點(x,y)為中心的3×3掩模圖像，(s,t)是Sxy子圖像中的空間點。

甲狀腺核素顯像的圖像灰度范圍較窄，圖像對比度較差，需要進(jìn)行圖像灰度增強。本研究先對預(yù)處理圖像進(jìn)行拉普拉斯變換，然后與原始圖像疊加，最后進(jìn)行冪率變換，達(dá)到突出圖像細(xì)節(jié)部分，擴(kuò)展圖像灰度范圍的作用。所得圖像用Ienh表示。

1.2.3 圖像分割

圖像分割指將圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，分割算法有閾值法、邊界探測法和匹配法等。本研究采用自適應(yīng)閾值法提取甲狀腺區(qū)域，主要步驟如下。

（1）在圖像上選取3個感興趣區(qū)域，分別位于甲狀腺邊界區(qū)域、背景區(qū)域和甲狀腺區(qū)域，尺寸大小均為8×8；再引入一個權(quán)重因子，可以區(qū)分前景目標(biāo)、背景、甲狀腺邊界，因此可用于調(diào)節(jié)閾值，如公式(5)所示。Ri代表整幅圖像的平均灰度值與第i個ROI平均灰度值的比值，Mwhole是整幅圖像的平均灰度值，MROIi代表第i個ROI的平均灰度值。

（2）用公式(6)計算閾值[9]。Ti代表第i個ROI的閾值，GROIi是第i個ROI累積分布函數(shù)值的35%對應(yīng)的灰度值。

（3）圖像二值化。將ROI中小于閾值的灰度值設(shè)置為0，大于閾值的灰度值設(shè)置為1，根據(jù)ROI和圖像尺寸大小，共排列249×32個ROI，對其進(jìn)行二值化處理，直到整幅圖像全部轉(zhuǎn)化為二值圖像。

（4）形態(tài)學(xué)處理。通過膨脹與腐蝕操作排除圖像上的小孔。

1.2.4 ROI自動識別

由于甲狀腺通常是類橢圓形的，因此可以通過設(shè)置參考點來計算其面積和高度[10]。為了達(dá)到自動識別甲狀腺的目的，本研究設(shè)置了8個參考點，見圖2。當(dāng)甲狀腺形狀規(guī)則時，長短軸距離即為甲狀腺的長度，遍歷圖像中非0像素點即可求得甲狀腺區(qū)域面積。當(dāng)甲狀腺形狀不規(guī)則時，尤其是有所重疊時，將8個參考點和交叉點分為4組，每3個點一組，分別是[Pveur(P1)，Plefr(P2)，Plur(Q)]，[Plefr，Pvedr，Pldr]，[Pveur，Prigr，Prur]和[Prigr，Pvedr，Prdr]，將其帶入二次貝塞爾公式B=（1-t）2P1+2t（1-t）Q+t2P2，得出4條曲線，就可以有效地分離兩葉甲狀腺區(qū)域，減少重疊效應(yīng)。

圖2 甲狀腺區(qū)域自動識別示意圖

2 結(jié)果

本研究選用甲狀腺超聲體積測定結(jié)果作為參考標(biāo)準(zhǔn)，將本研究提出的方法與現(xiàn)有的幾種方法進(jìn)行了比較，評價指標(biāo)為相關(guān)度（R2）、偏差（B）、精度（P）、相對誤差（RD）等，R2值越大，B、P、RD越小，表明該方法測得值與參考值越接近。

2.1 甲狀腺圖像分割結(jié)果

甲狀腺核素顯像的圖像分割流程的關(guān)鍵步驟見圖3，可以看出預(yù)處理所得的圖像對比度明顯提高，得到了一個均勻的二值圖像，利用參考點畫出的曲線，有效地分割出了左、右兩葉甲狀腺區(qū)域。

圖3 甲狀腺核素顯像的圖像分割結(jié)果

2.2 不同方法的甲狀腺圖像分割結(jié)果比較

基于不同方法的甲狀腺圖像分割結(jié)果見圖4?？梢钥闯?，手動分割法的結(jié)果比較粗糙；Van Isslt法分割存在過度分割現(xiàn)象，所得的甲狀腺區(qū)域過大；Pant法分割存在分割不足現(xiàn)象，所得的甲狀腺區(qū)域過??；本研究所提出的分割方法可準(zhǔn)確分割出甲狀腺區(qū)域。

圖4 不同方法的甲狀腺圖像分割結(jié)果比較

2.3 不同方法測定甲狀腺體積的線性回歸分析結(jié)果比較

以超聲測得的甲狀腺體積作為參考標(biāo)準(zhǔn)，對4種方法測得的30例GD甲亢患者的甲狀腺體積進(jìn)行線性回歸分析，結(jié)果見表1?？梢钥闯觯狙芯刻岢龅姆椒ǖ南嚓P(guān)度最高（R2=0.99），且精度（P=±2.14 mL）最高，測量偏差（B=0.9）、相對誤差（3.2%±4.36%）最低。

表1 不同方法測定甲狀腺體積的線性回歸分析結(jié)果比較

2.4 不同方法測定甲狀腺體積的相對誤差比較

本研究選用相對差異（RD）法評價各方法與超聲測定的甲狀腺體積的相對變化趨勢，計算方法由公式(7)給出[11]，其中VUS表示超聲測量的甲狀腺體積，Vi是第i種方法測量的甲狀腺體積。對不同方法測定甲狀腺體積的相對誤差求期望和標(biāo)準(zhǔn)差，結(jié)果見表2，可以看出，本研究提出的方法具有最小的期望值（3.2）和標(biāo)準(zhǔn)差（SD=4.36）。

表2 不同方法測定甲狀腺體積的相對誤差比較

3 討論

131I治療是一種安全、有效的治療GD甲亢患者的方法，其中甲狀腺體積的精確測定對制定個體化劑量方案至關(guān)重要。甲亢的檢查與治療是核醫(yī)學(xué)科的常見項目，考慮到治療環(huán)境，有必要開發(fā)一種適用于核醫(yī)學(xué)科的甲狀腺體積測定方法，避免過度依賴超聲和磁共振測定。在傳統(tǒng)的甲狀腺靜態(tài)顯像中，甲狀腺區(qū)域通常由固定閾值分割或者手工勾畫獲得，但固定閾值分割沒有考慮到甲亢病人甲狀腺的個體差異；而手工分割耗時，且高度依賴于影像醫(yī)師，無法保證甲狀腺體積測定的精確度，進(jìn)而影響放射性碘劑量的確定。

本研究提出了基于自適應(yīng)閾值的分割算法，可以全自動地分割出甲狀腺區(qū)域，配合參考點技術(shù)可以成功計算出甲狀腺的最大高度和面積，不論甲狀腺形狀規(guī)則與否。由表1可知，使用本研究方法測定的甲狀腺體積與超聲測得的結(jié)果具有很高的相關(guān)度，且其偏差較低，精度較高，表明該方法的測定效果明顯優(yōu)于其他3種方法。由表2可知，該方法測定的相對誤差也明顯小于其他3種方法。

綜上，本研究提出的甲狀腺體積測定方法是可行的，有助于核醫(yī)學(xué)科醫(yī)生為患者制定個體化劑量方案。

[1] 孫云鋼,蔣寧一,劉生,等.131I治療Graves′病后早發(fā)甲狀腺功能減退的影響因素分析[J].廣東醫(yī)學(xué),2011,32(24):3212-3214.

[2] 李林,沈紹群.131I固定劑量法治療甲亢近期療效觀察[J].四川大學(xué)學(xué)報(醫(yī)學(xué)版),2005,36(5):752-753.

[3] Huang JY,Lin KJ,Chen YS.Fully automated computer-aided volume estimation system for thyroid planar scintigraphy[J].Comput Biol Med,2013,43(10):1341-1352.

[4] Van Isselt JW,de Klerk JM,Koppeschaar HP,et al.Iodine-131 uptake andturnover rate vary over short intervals in Graves’disease[J].Nucl Med Commun,2000,21(7):609-616.

[5] 楊曉鵬,蔡超峰,潘珩,等.手背靜脈圖像預(yù)處理算法研究[J].中國醫(yī)療設(shè)備,2013,28(10):20-23.

[6] 謝勇,夏欣,琚生根,等.自適應(yīng)窗口的圖像平滑去噪[J].四川大學(xué)學(xué)報(自然科學(xué)版),2013,50(3):503-508.

[7] 王麗麗,宋余慶.一種醫(yī)學(xué)圖像增強算法[J].遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版),2013,32(9):1274-1277.

[8] 王崴,王曉軍,劉曉衛(wèi),等.基于圖像復(fù)雜度的圖像分割算法[J].探測與控制學(xué)報,2015,37(3):5-9.

[9] 錢衛(wèi)星,黃麗亞.二維Otsu自適應(yīng)閾值快速算法的改進(jìn)[J].華僑大學(xué)學(xué)報(自然科學(xué)版),2015,36(4):427-431.

[10] 吳一全,朱兆達(dá).圖像處理中閾值選取方法30年(1962-1992)的進(jìn)展(一)[J].數(shù)據(jù)采集與處理,1993,8(3):193-201.

[11] 李杰,陳國棟.基于改進(jìn)區(qū)域生長算法的肝臟管道圖像分割方法[J].中國醫(yī)療設(shè)備,2014,29(10):19-23.

Methodology Research on Thyroid Volume Estimation based on Radionuclide Imaging

XU Leia, LIU Ren-congb, MENG Qing-leb, YANG Ruib, JIANG Hong-binga
a.Department of Medical Equipment; b.Department of Nuclear Medicine, the Affiliated Nanjing Hospital of Nanjing Medical University (the First Hospital of Nanjing ), Nanjing Jiangsu 210006, China

ObjectiveTo develop an imaging segmentation algorithm based on adaptive thresholding to be used for thyroid volume estimation in radionuclide imaging.MethodsFirst, image preprocessing was performed on images collected by thyroid radionuclide imaging, which contained smoothness, enhancement, and grey level transformation. Second, adaptive thresholding algorithm and morphological operations were adapted to extract the rough thyroid area. Finally, the maximum height and the area of each lobe can be achieved by setting reference points so that the thyroid volume could be calculated.ResultsThe thyroid volume obtained through radionuclide imaging was used as the reference standard. Assessment indexes such as deviation, precision, relative differences, and degree of association were selected to compare different methods used to estimate thyroid volumes. The results of the comparison indicate that the approach of thyroid volume estimation proposed in this research was not only highly correlated with the results obtained through ultrasonography (R2=0.99), the result also has the best deviation (0.9), the lowest precision (±2.14 mL), and relative differences (3.2%±4.36%).ConclusionThe approach to thyroid volume estimation proposed in this research is precise, simple and convenient, and can avoid dependence on ultrasound, which can help physicians determine the individualized dosage regimen for each patient in the treatment of thyroid disease.

radionuclide imaging; thyroid volume estimation; adaptive thresholding algorithm; image segmentation; morphological operations

TP391.41

A

10.3969/j.issn.1674-1633.2016.03.007

1674-1633(2016)03-0039-03

2015-11-17

南京市醫(yī)學(xué)科技發(fā)展資金“青年工程”人才培養(yǎng)專項經(jīng)費資助項目（QRX11033）。

蔣紅兵，研究員級高級工程師。

作者郵箱：xulei09060118@163.com