張涵笑，趙書(shū)俊，董潔，張勇

1.鄭州大學(xué)物理工程學(xué)院，河南鄭州 450000；2.鄭州大學(xué)第一附屬醫(yī)院磁共振科，河南鄭州 450000；

腫瘤是威脅人類健康的主要疾病之一，室管膜瘤和髓母細(xì)胞瘤是常見(jiàn)的兒童腦腫瘤[1]，不同腫瘤的治療及預(yù)后方案也不同，術(shù)前正確鑒別非常重要。機(jī)器學(xué)習(xí)在圖像識(shí)別領(lǐng)域發(fā)展迅速，計(jì)算機(jī)輔助檢測(cè)作為一種非侵入性診斷在醫(yī)學(xué)成像輔助診斷中具有極高的應(yīng)用價(jià)值。紋理分析能夠從醫(yī)學(xué)圖像中獲得更多的細(xì)節(jié)信息，顯示圖像信號(hào)的強(qiáng)度、像素值及其位置信息[2]?；?Gabor濾波的紋理分析是一種將空域和頻域相聯(lián)合的方法[3]，同時(shí)具有多尺度、多方向的特點(diǎn)，而醫(yī)學(xué)圖像紋理特征豐富、細(xì)節(jié)信息較多，Gabor小波變換技術(shù)具有尺度與方向可調(diào)性，能夠獲得更多的圖像紋理信息。本研究從Gabor濾波的角度提取MRI圖像的紋理特征進(jìn)行定量化，指導(dǎo)分類，進(jìn)而輔助臨床診斷。

1 資料與方法

1.1 研究對(duì)象 收集2008年5月－2015年8月鄭州大學(xué)第一附屬醫(yī)院收治的兒童后顱窩腫瘤45例，男29例，女16例；年齡0～14歲，平均（6.25±3.29）歲。其中室管膜瘤22例，髓母細(xì)胞瘤23例，均經(jīng)手術(shù)病理證實(shí)。

1.2 圖像分析 采用Siemens 3.0T MRI系統(tǒng)，標(biāo)準(zhǔn)頭顱線圈。增強(qiáng)掃描矢狀位T1WI，掃描參數(shù)：TR 260.0 ms，TE 2.46 ms，層厚5 mm，層間距0.3 mm，造影劑為釓噴替酸葡甲胺，劑量0.2 mmol/kg。

從MRI圖像中選擇腫瘤面積最大層面，先由2名主任醫(yī)師分別對(duì)所有圖像中的腫瘤部分手工勾畫(huà)感興趣區(qū)（ROI），以兩者協(xié)商后的結(jié)果為最終結(jié)果（圖1A、1B、2A、2B）。同時(shí)，基于灰度的圖像后處理，大面積的黑色背景會(huì)造成結(jié)果的誤差，為探測(cè)減少大面積背景是否對(duì)分類結(jié)果產(chǎn)生影響，自動(dòng)沿腫瘤邊界對(duì)圖像進(jìn)行切割，去除了無(wú)用的背景部分，又最大限度地保留了腫瘤的實(shí)質(zhì)區(qū)域（圖1C、2C）。

圖1 女，4歲，室管膜瘤。室管膜瘤（箭）原MRI圖像（A）；ROI（B）及去除背景部分的ROI（C）

圖2 男，8歲，髓母細(xì)胞瘤。髓母細(xì)胞瘤（箭）原MRI圖像（A）；ROI（B）及去除背景部分的ROI（C）

1.3 研究方法 對(duì)待處理圖像進(jìn)行 Gabor濾波以增強(qiáng)圖像紋理信息，然后提取相應(yīng)的紋理特征，利用支持向量機(jī)（support vector machine，SVM）在MATLAB平臺(tái)對(duì)2種腫瘤的紋理特征進(jìn)行訓(xùn)練分類。

1.3.1 Gabor小波變換 Mallat[4]首次將小波變換運(yùn)用于紋理分析；Gabor[5]提出一種新的變換方法——Gabor小波變換。Gabor小波變換屬于加窗傅里葉變換，可在頻域不同尺度、不同方向上提取相關(guān)特征。二維Gabor函數(shù)可以表示公式（1）～（4）。

其中，ν的取值決定濾波的波長(zhǎng)即尺度的大小，u的取值決定了濾波的方向，對(duì)于紋理分析，Gabor變換能夠得到一個(gè)相當(dāng)高的空間、頻率聯(lián)合分辨率[6]。分別令ν=0、1、2、3、4，u=0、1、2、3、4、5、6、7，對(duì)圖片進(jìn)行5個(gè)尺度、8個(gè)方向的Gabor小波變換（圖3）。

圖3 Gabor濾波后的圖像。一幅待測(cè)圖像經(jīng)5個(gè)尺度、8個(gè)方向?yàn)V波后得到40幅新圖像，每幅新圖像提取4個(gè)特征，故一幅待測(cè)圖像共獲取160個(gè)特征向量

1.3.2 紋理特征 圖像通過(guò)Gabor小波變換后獲取其灰度直方圖，分別提取平均值（mean）、對(duì)比度（con）、熵（ent）和角度方向二階距（asm）4個(gè)紋理特征，見(jiàn)公式（5）～（8）。

1.3.3 分類器訓(xùn)練分類 使用SVM分類器進(jìn)行分類訓(xùn)練得到輸出結(jié)果[7]。實(shí)驗(yàn)數(shù)據(jù)樣本標(biāo)記為X={xi},Y={yi}，其中i=1,……，n；yi{－1,+1}，yi是標(biāo)簽。將其映射到高維特征空間中，分類超平面表示為在高維特征空間中，兩類樣本中任意點(diǎn)到超平面的距離為若要分類間隔最大，在服從約束下須取得極小值，可使用拉格朗日方程求解判別函數(shù)為通過(guò)該判別函數(shù)即可做出分類。SVM適用于小樣本、高維非線性的情況，故采用SVM對(duì)提取出的具有顯著差異性的特征向量進(jìn)行訓(xùn)練分類。

1.4 統(tǒng)計(jì)學(xué)方法 采用SPSS 23.0軟件，對(duì)所有樣本中提取出的向量做顯著性差異檢驗(yàn)。對(duì)于符合正態(tài)分布，方差齊性的特征，采用t檢驗(yàn)；對(duì)于不符合正態(tài)分布，方差齊性的特征采用秩和檢驗(yàn)。P＜0.05表示差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 特征向量的提取和選擇 對(duì)未剪切背景的圖像進(jìn)行Gabor濾波后提取160組特征，經(jīng)檢驗(yàn)后，差異有統(tǒng)計(jì)學(xué)意義的特征向量組為均值（除去34/41/43/44/45/47，第一個(gè)代表尺度v，第二個(gè)數(shù)字代表方向u）、熵（全部）、角度方向二階距（21/23/25/26/27/30/32/34/35/36/37/40/41/42/43/44/45/46/47），共 93組特征向量。對(duì)剪切背景后的圖像進(jìn)行Gabor濾波后提取的160組特征向量中，均值（全部）、對(duì)比度（全部）與角度方向二階距中的 34組（除去 31/32/33/35/36/37）共 114組特征向量差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。然后將差異有統(tǒng)計(jì)學(xué)意義的特征向量組使用 SVM 做訓(xùn)練分類。

2.2 SVM 測(cè)試結(jié)果 首先對(duì)未剪切背景的圖像提取出的160組特征向量和差異有統(tǒng)計(jì)學(xué)意義的93組特征向量分別使用SVM進(jìn)行訓(xùn)練分類。然后對(duì)剪切背景后的圖像提取出的 160組特征向量和差異有統(tǒng)計(jì)學(xué)意義的 114組特征向量分別使用 SVM 進(jìn)行訓(xùn)練分類。每次隨機(jī)將每組樣本的 60%作為訓(xùn)練集，其余40%作為測(cè)試集，共分組200次，將200次計(jì)算結(jié)果作為分類結(jié)果（表 1）。由表 1可知，使用SVM分析經(jīng)Gabor濾波提取出的紋理特征能夠?qū)崿F(xiàn)室管膜瘤和髓母細(xì)胞瘤的分類。通過(guò)沿腫瘤邊緣剪切背景部分和僅輸入差異有統(tǒng)計(jì)學(xué)意義的特征向量能明顯改善分類結(jié)果，減背景降維后的分類正確率最高，為（87.03±4.22）%。

表1 SVM訓(xùn)練分類結(jié)果正確率對(duì)比（ ±s，%）

表1 SVM訓(xùn)練分類結(jié)果正確率對(duì)比（ ±s，%）

圖像類型室管膜瘤分類髓母細(xì)胞瘤分類合計(jì)未減背景未降維 69.94±14.56 61.78±14.85 65.86±4.99未減背景降維71.72±14.56 56.06±14.41 63.89±4.02減背景未降維 84.67±11.44 68.50±12.34 76.58±5.16減背景降維89.22±8.03 84.83±9.53 87.03±4.22

3 討論

在15歲以下的兒童中，腦腫瘤是僅次于急性淋巴細(xì)胞性白血病的常見(jiàn)癌癥[8]。進(jìn)行腫瘤類別的診斷時(shí)極大地依賴于臨床經(jīng)驗(yàn)，且不同醫(yī)師的診斷結(jié)果也會(huì)產(chǎn)生一定的偏差，最終結(jié)果依賴于病理學(xué)檢查，一般需要入侵的方式取得病理切片[9]。如何通過(guò)非入侵的方式通過(guò)計(jì)算機(jī)進(jìn)行兒童腦腫瘤中的室管膜瘤和髓母細(xì)胞瘤的分型是本研究的重點(diǎn)。

MRI圖像能夠非入侵顯示腫瘤的部位及大小，圖像紋理分析技術(shù)可以得到腫瘤中更多無(wú)法直接觀察到的信息并定量化，從而輔助診斷。本研究對(duì)45例15歲以下后顱窩腫瘤（其中22例室管膜瘤，23例髓母細(xì)胞瘤）展開(kāi)研究，首先手動(dòng)勾畫(huà)ROI，然后使用基于Gabor濾波的紋理特征分別對(duì) 2種腫瘤的 ROI進(jìn)行分析，提取了160組特征，再用SVM作為分類器對(duì)2種腫瘤進(jìn)行分類，與病理學(xué)結(jié)果進(jìn)行對(duì)照，正確率僅為（65.86±4.99）%。針對(duì)部分特征對(duì)于后續(xù)分類無(wú)相關(guān)性的特點(diǎn)又進(jìn)行了4次對(duì)比研究，分別是將背景區(qū)域進(jìn)行剪切和未剪切，將濾波后提取的160組特征進(jìn)行相關(guān)性分析從而降維和未進(jìn)行相關(guān)性分析。結(jié)果顯示，未減背景和未降維針對(duì)2種腫瘤的分類正確率為（65.86±4.99）%，未減背景和降維后分類正確率為（63.89±4.02）%，減背景未降維后分類正確率為（76.58±5.16）%，減背景降維后的正確率為（87.03±4.22）%。最終實(shí)驗(yàn)結(jié)果證明，對(duì)于兒童后顱窩腫瘤中室管膜瘤與髓母細(xì)胞瘤減背景和降維后分類正確率最高。對(duì)ROI背景部分剪切且對(duì)特征向量篩選后，經(jīng)對(duì)比，剪切背景和僅輸入具有顯著性差異的特征能夠有效改善分類結(jié)果。故可以通過(guò)檢驗(yàn)特征向量之間的顯著差異性對(duì)多特征參數(shù)進(jìn)行選擇，最終達(dá)到輔助診療的目的。

近年來(lái)，紋理分析成功地運(yùn)用于兒童腦腫瘤的類型鑒別，各種紋理特征提取方法不斷涌現(xiàn)，既往研究中有關(guān)兒童腦腫瘤的 2D T1WI和 T2WI圖像使用SVM分類器的分類總正確率為73%～86.71%[10-12]，將Gabor濾波方法用于兒童腦腫瘤的研究罕見(jiàn)。同時(shí)，本研究也存在一定的局限性，樣本量過(guò)小限制了分類器的選擇，而且僅對(duì)2D T1WI圖像矢狀位進(jìn)行研究，今后可擴(kuò)大樣本量進(jìn)行3D及冠狀位、軸位的研究，以期提供更多的腫瘤相關(guān)信息，提高兒童腦腫瘤的自動(dòng)化分型能力。