專利名稱：一種乳腺病變定量化影像評價系統及其應用方法
技術領域：
本發明屬于乳腺病的醫療診斷器械，特別是涉及一種應用于乳腺鉬靶照片 定量化影像評價系統，以及該系統的應用。技術背景乳腺影像學檢查，特別是乳腺鉬耙攝片為乳腺腫瘤的診斷、分期、療效評 價的判斷提供重要依據，已應用于乳腺普查。遺憾的是在當前臨床診斷中，常 規影像診斷僅僅局限于腫瘤尺度大小及簡單形狀因子的測量和一些定性評估， 在臨床應用中缺乏定量化影像評價指標。隨著醫學圖像定量分析技術的不斷提 高，在腫瘤的基礎研究中也需要通過圖像定量分析來評價不同腫瘤類別的生長 與擴散特征。特別是分形概念被更多的研究者接受，分形技術以及相關的圖形 分析手段逐漸被應用到多種腫瘤醫學影像分析及腫瘤病情的危險率評估中來， 并取得了一些對腫瘤基礎理論研究及臨床診斷有重要參考價值的結果。從分形 數學和非線性物理的角度來看，腫瘤邊界輪廓的分形維數是表征腫瘤生長擴散后的邊界輪廓的復雜性、腫瘤與周邊組織交流之開放性的特征參數。然而，要 說明腫瘤內部的擴散與生長行為，上述的有關邊界輪廓的分形維數分析顯然是 不足的，至少它還未揭示出腫瘤內部所包含的一些重要信息，如腫瘤內部的異 質性程度及腫物包塊化的程度。良惡性腫瘤存在不同的擴散與生長方式。本發明考查乳腺腫瘤生長擴散參 數，如邊界輪廓分形維、腫瘤內部的異質性及包塊化程度等，并綜合乳腺病變 鈣化特征，及臨床特征性征象，提供一種簡潔有效的實用性腫瘤影像量化評估方法，計算出腫瘤良惡性預測數值，以及腫瘤細胞分級預測值，供臨床參考。發明內容本發明的目的在于克服現有乳腺鉬靶片影像診斷缺乏定量化評價指標的問 題，提供一種乳腺病變定量化影像評價系統，該定量化影像評價系統可對乳腺 鉬靶片圖像進行定量化分析，提供乳腺病變良惡性預測值，以及腫瘤細胞分級 預測值。本發明的另一個目的是提供上述乳腺病變定量化影像評價系統的應用。 為了實現發明目的一，采用的技術方案如下一種乳腺病變定量化影像評價系統，其采用分形技術以及圖形分析手段應 用于腫瘤醫學影像分析及腫瘤病情的危險率評估中，建立并采用了乳腺病變細 胞生長擴散的非線性數據模型，所述非線性數據模型包含了乳腺腫瘤細胞生長 擴散形態特征參數、鈣化形態特征參數以及臨床參數。上述技術方案中，腫瘤細胞生長擴散形態特征參數的權重比為0.1 1.0，鈣 化形態特征參數的權重比為0.1 1.0;臨床病理分級參數的權重比為0.1 1.0。所述腫瘤細胞生長擴散形態特征參數主要包括腫瘤邊界幾何分形維DF、腫瘤內部的生長異質性H、腫瘤包塊化程度Cp。所述鈣化形態特征參數主要包括藥化斑點的種群密度p、鈣化斑點區域的平均測度S、最大與最小鈣化斑的測度差異R、鈣化斑分布的完整區域的最小等效 園測度L。所述臨床參數主要包括病情的臨床診斷分級Yc、乳腺病史、乳頭溢液U、 年齡V、哺育史W。本發明所述非線性數據模型包括多因素線性擬合回歸數學建模，通過對腫 瘤細胞生長擴散形態特征參數和臨床參數進行不同權重分析，篩選出最能符合臨床病情數據的回歸方程，得到基于臨床病理分級Yc與臨床影像形態數據(Dp、 H、 CP、 U、 V、 W)的回歸方程YE二a氺DF+b豐H+c承Cp+dm+e承V+"W，其中 a、 b、 c、 d、 e、 f為回歸權重系數，YE為預測性病理分級。本發明所述非線性數據模型還包括多因素非線性擬合回歸數學建模，通過 對鈣化形態特征參數和臨床參數進行不同權重分析，篩選出最能符合臨床病情 數據的回歸方程，得到基于臨床病理分級Yc與各鈣化影像形態特征參數(P、 L、 S、 R)的多因素非線性回歸方程Y^g承PfL/(SfR)^ + l1，其中g，h為回歸權重系數，YE為預測性病理分級。為了實現發明目的二，采用的技術方案如下一種乳腺病變定量化影像評價系統的應用方法，具體包括如下步驟(1) 使用圖形處理軟件對臨床乳腺鉬靶攝片進行預處理，統一圖像的灰度 標準，采取手動或者自動方式獲取乳腺鉬靶攝片的病灶區/感興趣區；(2) 計算經預處理后的感興趣區的腫瘤細胞生長擴散形態特征參數，參數 包括腫物與正常組織之間的邊界的幾何分形維Dp、腫物內部的異質性H、腫物 內部的包塊化程度；(3) 弓l入臨床參數，包括病情的臨床診斷分級Yc(良性O級、惡性l、 2、 3級)，乳腺病史、乳頭溢液U、年齡V、哺育史W;臨床參數還包括觸診包塊權重系數、乳腺皮膚改變權重系數、乳頭凹陷權 重系數等；(4) 采用統計軟件對(2)、(3沖所述內容進行多因素線性擬合回歸數學建模， 通過對腫瘤生長擴散形態特征參數和臨床參數進行不同權重分析，篩選出能最 好符合臨床病情數據的回歸方程，得到基于臨床病理分級Yc與臨床影像形態數 據(Dp、 H、 Cp、 U、 V、 W)的回歸方程<formula>formula see original document page 8</formula>其中a、 b、 c、 d、 e、 f為回歸權重系數，ye為預測性病理分級。該回歸方 程揭露病情與腫瘤生長擴散影像形態特征參數之間的量化關系；(5) 得出根據腫瘤內部及外部形態特征綜合反映的腫瘤良惡性預測數值， 以及腫瘤細胞分級預測值當Ye〈1，預測結果為良性；當Ye〉1，預測結果為惡性，具體Ye數值為 預測惡性分級等級。(6) 計算經預處理后的感興趣區的鈣化形態特征參數，參數包括鈣化斑點 的種群密度P、鈣化斑點區域的平均測度S、最大與最小鈣化斑的測度差異R、 鈣化斑分布的完整區域的最小等效園測度L，由P、 S、 R、 L四項參數計算出相 應的鈣化形態因子K=P*L/ (S*R)1/2;(7) 采用統計軟件對(3)、 (6)中所述內容進行多因素非線性擬合回歸數學建 模，通過對腫瘤鈣化形態因子和臨床參數進行不同權重分析，篩選出能最好符 合臨床病情數據的回歸方程，得到基于臨床病理分級Yc與各鈣化影像形態特征參數的多因素非線性回歸方程 Y=g*K+h,其中g、 h為回歸權重系數，Ye為預測性病理分級。該回歸方程揭 露病情與鈣化形態因子之間的量化關系；(8) 得出根據腫瘤鈣化特征綜合反映的腫瘤良惡性預測數值，以及腫瘤細 胞分級預測值當Ye〈1,預測結果為良性；當Ye〉1，預測結果為惡性，具體Ye數值為 預測惡性分級等級。本發明的步驟(1)、 (2)、 (6)的圖形處理軟件采用Mediacybematics出品 的醫學生物學行業圖形處理軟件Image-Pro Phis，而步驟(4)、 (7)采用的統計軟件為SPSS，數學建模的基本算法為最小二乘法。本發明的應用方法的實現中，其中步驟(1)到步驟(5)也可以構成一個 初步的方案實現乳腺病變定量化影像評價，步驟(1)和(6)、 (7)、 (8)也可 以構成另一個初步方案實現，本發明通過兩個方案的組合，可以實現最佳的技 術效果。進一步的，步驟(4)所述的運算方程包括以下參數的權重比 腫瘤細胞生長擴散形態特征參數腫瘤邊界幾何分形維參數；腫瘤包塊化程度參數；腫瘤內部異質性參數。腫瘤細胞鈣化形態特征參數藥化斑點的種群密度；鈣化斑點區域的平均測度；最大與最小鈣化斑的測度差異；轉化斑分布的完整區域的最小等效園測度。臨床參數年齡；乳頭溢液史；哺乳史。本發明采用Microsoft的軟件開發平臺Visual S加dio,將步驟(1)至(8)涉 及的整個應用過程進行編程，開發出與Windows操作系統兼容的圖形界面的應 用軟件包。本發明的有益效果在于本發明的乳腺病變定量化影像評價系統，應用了乳腺病變細胞生長擴散的 非線形數據模型，包含了乳腺腫瘤細胞生長擴散定量參數、鈣化參數以及臨床 參數，計算出乳腺鉬靶片病變的良惡性預測數值，以及腫瘤細胞分級預測值， 可廣泛應用于乳腺鉬靶影像診斷和乳腺攝片普査。
圖1是實施例的良性腫瘤及惡性腫瘤邊界示意圖，其中左邊圖像為良性腫 瘤，右邊為惡性腫瘤；圖2為良性腫瘤及惡性腫瘤的2維及3維影像示意圖，其中左邊圖像為良 性腫瘤，右邊為惡性腫瘤；圖3乳腺腫瘤的三種典型鈣化特征影像圖。
具體實施方式
下面通過實施例對本發明做進一步的說明。其中實施例1~4，涉及到步驟(1) ~ (5)的初歩方案的應用內容，引用圖 l及圖2做輔助性說明。 實施例1:使用Image-Pro Plus軟件，自動獲取乳腺鉬靶攝片的良性及惡性腫瘤感興趣 區，其中腫瘤邊界輪廓參見如圖1所示；腫瘤的二維及三維影像參見圖2。使 用Image-Pro Plus軟件計算感興趣區的腫瘤細胞生長擴散參數分形維值為 1.14399;腫瘤內部異質性值為0.02818。引入臨床參數年齡46歲；乳腺病史 (無)；哺乳史(有)。采用線性回歸方程YE=a* Dp +b *H +c* CP +d*U+e*V+f*W， 通過運算，對腫瘤細胞生長擴散定量參數和臨床參數進行不同權重，得出腫瘤 良惡性預測數值為YfO，為良性病變。臨床病理結果良性乳腺纖維腺瘤。影 像評價結果與病理結果相符。 實施例2:使用Image-Pro Plus軟件，自動獲取乳腺鉬靶攝片的感興趣區，所處理的圖 形類似實施例1中所述的圖1圖2，使用Image-Pro Plus軟件計算感興趣區的腫 瘤細胞生長擴散參數分形維值為1.17089;腫瘤內部異質性值為0.1783。弓l入臨床參數年齡45歲；乳腺病史(無)；哺乳史(有)。采用線性回歸方程YE=a*Dp+b *H+c* CP+d*U+e*V+f*W，通過運算，對腫瘤細胞生長擴散定量參數和 臨床參數進行不同權重，得出腫瘤良惡性預測數值為YE=1，為惡性病變(乳腺癌)，惡性腫瘤細胞分級接近I級。臨床病理結果乳腺癌，病理I級。影像評價結果與病理結果相符，與病理分級一致。實施例3:使用Image-Pro Plus軟件，自動獲取乳腺鉬耙攝片的感興趣區，使用 Image-Pro Plus軟件計算感興趣區的腫瘤細胞生長擴散參數分形維值為 1.19336;腫瘤內部異質性值為0.53494。引入臨床參數年齡50歲；乳腺病史 (有)；哺乳史(有)。采用線性回歸方程YE=a* Dp +b *H +c* CP +d*U+e*V+f*W，通過運算，對腫瘤細胞生長擴散定量參數和臨床參數進行不同權重，得出腫瘤 良惡性預測數值為YE=1.98，為惡性病變(乳腺癌)，惡性腫瘤細胞分級接近n 級。臨床病理結果乳腺癌，病理II級。影像評價結果與病理結果相符，與病 理分級極近似。實施例4:使用Image-Pro Plus軟件，自動獲取乳腺鉬靶攝片的感興趣區，所處理的圖 形類似實施例1中所述的圖1圖2，使用Image-PmPlus軟件計算感興趣區的腫 瘤細胞生長擴散參數分形維值為1.22169;腫瘤內部異質性值為0.27416。引入臨床參數年齡45歲；乳腺病史(有)；哺乳史(有)。采用線性回歸方程YE=a* Dp +b *H +c* CP +d*U+e*V+f*W，通過運算，對腫瘤細胞生長擴散定量參 數和臨床參數進行不同權重，得出腫瘤良惡性預測數值為YE=2.01，為惡性病變(乳腺癌)，惡性腫瘤細胞分級接近m級。臨床病理結果乳腺癌，病理in級。影像評價結果與病理結果大致相符，與病理分級基本近似。實施例5~6，涉及到步驟(1)、 (6) ~ (8)的方案應用內容，引用圖3做輔 助性說明。 實施例5:使用Image-Pro Phis軟件，自動獲取乳腺鉬靶攝片的感興趣區，其中鈣化斑 形態特征參見圖3所示。使用Image-Pro Plus軟件計算感興趣區的腫瘤轉化特征 參數鈣化斑點的種群密度P=137;鈣化斑點區域的平均測度S=2.42;最大與 最小鈣化斑的測度差異R=12.076;鈣化斑分布的完整區域的最小等效園測度 L=233.9。采用非線性回歸方程YE=g*P*L/(S*R)1/2 + h，計算鈣化因子值為 0.2133。得出腫瘤良惡性預測數值為YE=1.82，為惡性病變(乳腺癌)，惡性腫 瘤細胞分級接近n級。臨床病理結果乳腺癌，病理II級。影像評價結果與病 理結果相符，與病理分級比較近似。實施例6:使用Image-Pro Plus軟件，自動獲取乳腺鉬靴攝片的感興趣區，其中鈣化斑 形態特征參見圖3所示。使用Image-Pro Plus軟件計算感興趣區的腫瘤鈣化特征 參數鈣化斑點的種群密度P-355;鈣化斑點區域的平均測度S:1.266;最大與 最小鈣化斑的測度差異R=6.706;鈣化斑分布的完整區域的最小等效園測度 L=194.2。采用非線性回歸方程YE=g*P*L/(S*R)1/2 + h，計算鈣化因子值為 0.2561。得出腫瘤良惡性預測數值為YE=3，為惡性病變(乳腺癌)，惡性腫瘤細 胞分級接近HI級。臨床病理結果乳腺癌，病理m級。影像評價結果與病理 結果相符，與病理分級一致。
權利要求
1、一種乳腺病變定量化影像評價系統，其采用分形技術以及圖形分析手段應用于腫瘤醫學影像分析及腫瘤病情的危險率評估中，其特征在于建立并采用了乳腺病變細胞生長擴散的非線性數據模型，所述非線性數據模型包含了乳腺腫瘤細胞生長擴散形態特征參數、鈣化形態特征參數以及臨床參數。
2、 根據權利要求1所述的乳腺病變定量化影像評價系統，其特征在于所述 腫瘤細胞生長擴散形態特征參數的權重比為0.1 1.0,鈣化形態特征參數的權重比為0.1 1.0;臨床病理分級參數的權重比為0.1 1.0。
3、 根據權利要求2所述的乳腺病變定量化影像評價系統，其特征在于所述 腫瘤細胞生長擴散形態特征參數包括腫瘤邊界幾何分形維DF、腫瘤內部的生長 異質性H、腫瘤包塊化程度Cp。
4、 根據權利要求2所述的乳腺病變定量化影像評價系統，其特征在于所述 鈣化形態特征參數包括鈣化斑點的種群密度P、鈣化斑點區域的平均測度S、 最大與最小鈣化斑的測度差異R、鈣化斑分布的完整區域的最小等效園測度L。
5、 根據權利要求2所述的乳腺病變定量化影像評價系統，其特征在于所述 臨床參數包括病情的臨床診斷分級Yc、乳腺病史、乳頭溢液U、年齡V、哺育 史W。
6、 根據權利要求3或4或5所述的乳腺病變定量化影像評價系統，其特征 在于所述非線性數據模型包括多因素線性擬合回歸數學建模。通過對腫瘤細胞 生長擴散形態特征參數和臨床參數進行不同權重分析，篩選出最能符合臨床病 情數據的回歸方程，得到基于臨床病理分級Yc與臨床影像形態數據(DF、 H、 Cp、 U、 V、 W)的回歸方程YE=a* Dp +b *H +c* CP +d*U+e*V+f*W，其中a、 b、 c、 d、 e、 f為回歸權重系數，YE是預測性病理分級。
7、 根據權利要求3或4或5所述的乳腺病變定量化影像評價系統，其特征 在于所述非線性數據模型還包括多因素非線性擬合回歸數學建模。通過對鈣化 形態特征參數和臨床參數進行不同權重分析，篩選出最能符合臨床病情數據的 回歸方程，得到基于臨床病理分級Yc與各鈣化影像形態特征參數(P、 L、 S、 R)的多因素非線性回歸方程YE=g* P*L/(S*R)1/2 + h，其中g， h為回歸權重系數，YE是預測性病理分級。
8、 一種乳腺病變定量化影像評價系統的應用方法，其特征在于具體包括如 下歩驟(1) 使用圖形處理軟件對臨床乳腺鉬靶攝片進行預處理，統一圖像的灰度 標準，采取手動或者自動方式獲取乳腺鉬靶攝片的病灶區/感興趣區；(2) 計算經預處理后的感興趣區的腫瘤細胞生長擴散形態特征參數，參數 包括腫物與正常組織之間的邊界的幾何分形維Dp、腫物內部的異質性H、腫物 內部的包塊化程度；(3) 引入臨床參數，包括病情的臨床診斷分級Yc(良性O級、惡性l、 2、 3級)，乳腺病史、乳頭溢液U、年齡V、哺育史W;(4) 采用統計軟件對(2)、(3)中所述內容進行多因素線性擬合回歸數學建模， 通過對腫瘤生長擴散形態特征參數和臨床參數進行不同權重分析，篩選出能最 好符合臨床病情數據的回歸方程，得到基于臨床病理分級Yc與臨床影像形態數據(DF、 H、 Cp、 U、 V、 W)的回歸 方程YE=a* Dp +b *H +c* CP +d*U+e*V+f*W，其中a、 b、 c、 d、 e、 f為回歸權重系數，YE是預測性病理分級。該回歸方 程揭露病情與腫瘤生長擴散影像形態特征參數之間的量化關系；(5) 得出腫瘤良惡性預測數值，以及腫瘤細胞分級預測值； 或是，經過步驟(1)獲取病灶區/感興趣區，轉為如下步驟實現(6) 計算經預處理后的感興趣區的鈣化形態特征參數，參數包括鈣化斑點 的種群密度P、鈣化斑點區域的平均測度S、最大與最小鈣化斑的測度差異R、 鈣化斑分布的完整區域的最小等效園測度L，由P、 S、 R、 L四項參數計算出相 應的鈣化形態因子K=P*L/ (S*R)1/2;(7) 采用統計軟件對(3)、 (6)中所述內容進行多因素非線性擬合回歸數學建 模，通過對腫瘤鈣化形態因子和臨床參數進行不同權重分析，篩選出能最好符 合臨床病情數據的回歸方程，得到基于臨床病理分級Yc與各鈣化影像形態特征參數的多因素非線性回歸方程 YE=g*K+h，其中g、 h為回歸權重系數，該回歸方程揭露病情與鈣化形態因子 之間的量化關系；(8) 根據感興趣區的鈣化參數定量分析，得出腫瘤良惡性預測數值，以及 腫瘤細胞分級預測值。
9、 根據權利要求8所述的乳腺病變定量化影像評價系統的應用方法，其特 征在于步驟(1)、 (2)、 (6)的圖形處理軟件采用Mediacybematics出品的醫學 生物學行業圖形處理軟件Image-Pro Plus,而歩驟(4)、 (7)采用的統計軟件為 SPSS，數學建模的基本算法為最小二乘法。
10、 根據權利要求8或9所述的乳腺病變定量化影像評價系統的應用方法， 其特征在于采用Microsoft的軟件開發平臺Visual S加dio,將步驟(1)至(8)涉 及的整個應用過程進行編程，開發出與Windows操作系統兼容的圖形界面的應 用軟件包。
全文摘要
本發明提供一種乳腺病變定量化影像評價系統及其應用方法，其采用分形技術以及圖形分析手段應用于腫瘤醫學影像分析及腫瘤病情的危險率評估中，建立并采用了乳腺病變細胞生長擴散的非線性數據模型，所述非線性數據模型包含了乳腺腫瘤細胞生長擴散形態特征參數、鈣化形態特征參數以及臨床參數。本發明的乳腺病變定量化影像評價系統，應用了乳腺病變細胞生長擴散的非線形數據模型，包含了乳腺腫瘤細胞生長擴散定量參數、鈣化參數以及臨床參數，計算出乳腺鉬靶片病變的良惡性預測數值，以及腫瘤細胞分級預測值，可廣泛應用于乳腺鉬靶影像診斷和乳腺攝片普查。
文檔編號G06F19/00GK101234026SQ200810026678
公開日2008年8月6日 申請日期2008年3月7日 優先權日2008年3月7日
發明者劉立志, 別夢杰, 崔春艷, 立 李, 李嬋嬋, 邵元智, 鐘偉榮, 陳第虎 申請人:立 李