專利名稱：腦瘤p53蛋白表達檢測方法
技術領域：
本發明屬于圖像處理和模式識別技術領域，具體涉及一種通過磁共振圖像分析進行腦瘤P53蛋白表達狀況檢測的方法。
背景技術：
神經膠質瘤是中樞神經系統最常見的腫瘤，具有治療周期長、易復發、致殘率和死亡率高的特點，對患者的健康和生命威脅極大。目前，神經膠質瘤可以做到早期診斷，給予及時的手術、放療和化療，但是惡性膠質瘤患者的預后并沒有明顯改善。Afshar 等(GolnarAfshar，Nannette Jelluma，Yang Xiaodong et al. Radiation-Induced Caspase_8Mediates p53_IndependentApoptosis in Glioma Cells.Cancer Research. 2006，66 (8) :4223-4232)研究表明，成年膠質瘤患者的P53基因突變與預后的改善和放療敏感性有關。臨床通常檢測phosphatase mid tensinhomolog deleted on chromosome 10 (PTEN)、epidermal growth factor receptor (EGFR)、 the06-methylguanine-DNA methyltransferase (MGMT)、tumor protein 53 (P53)、 monoclonal antibodyofcell proliferation associated nuclear antigen(MIB-I)等蛋白表達狀況，并綜合上述蛋白表達的信息來評價膠質瘤的惡性程度和患者的預后狀況。因此，P53的表達狀況作為一種中間結果信息，雖然不能直接評價膠質瘤的惡性程度和患者預后，但具有一定的指導意義。當前臨床使用最為廣泛的P53蛋白的檢測方法是免疫組織化學技術，該技術需要手術獲得患者的膠質瘤病理切片后才能進行檢測，因此無法指導制定術前治療方案。同時，周曉軍(周曉軍.免疫組化在病理診斷中的正確應用.診斷病理學雜志.2003，1(K4) 232-235)研究表明，免疫組織化學技術在標準化和結果量化方面存在不足，檢測結果容易受到檢測人員的主觀影響。目前尚沒有基于圖像處理和模式識別技術進行Ρ53蛋白檢測的方法。
發明內容
本發明的目的是提供一種基于圖像處理和模式識別技術的腦瘤Ρ53蛋白表達檢測方法。為實現上述目的，本發明所采取的技術方案是該腦瘤Ρ53蛋白表達檢測方法包括以下步驟(1)采集腦瘤患者的磁共振圖像，所述磁共振圖像包括Tl加權序列、Tl增強序列、 FLAIR序列中的任一種或任幾種；(2)在步驟(1)的任一種所述序列中截取所述磁共振圖像中的病變區域圖像，由所述病變區域圖像構成病變區域圖像集，并將病變區域圖像標記為Ρ53蛋白表達陽性或陰性；(3)通過對所述病變區域圖像集進行圖像分析，提取所述病變區域圖像中的圖像特征，由所述圖像特征構成病變區域樣本集；(4)從所述病變區域樣本集中任選η個樣本作為訓練樣本集，利用所述訓練樣本集對分類器進行訓練得到訓練后的分類器，其中，η為正整數且<n<-m,n表示所述病變區域樣本集的樣本個數；(5)將所述病變區域樣本集中除所述訓練樣本集以外的其他樣本作為驗證樣本集，使用所述訓練后的分類器對所述驗證樣本集進行分類，獲得各驗證樣本的腦瘤P53蛋白的表達狀況。與現有技術相比，本發明的有益效果是(1)現有技術只能在通過手術獲得病理組織后檢測P53蛋白表達狀況；而本發明所需的腦瘤患者磁共振圖像可以在手術前獲得，因此本發明在手術前就能夠獲得P53蛋白表達狀況的中間結果信息，具有快速及時的特點。(2)通過采集和分析腦瘤患者的Tl加權序列、Tl增強序列、FUUR序列中的任一種序列的磁共振圖像來檢測P53蛋白的表達狀況， 可以在獲得腫瘤組織切片前無創地獲取關于腦瘤惡性程度和患者預后的中間結果信息。 (3)通過對病變區域圖像集進行圖像分析，提取所述病變區域圖像中的圖像特征，對分類器進行訓練和驗證，使分類器客觀地獲得腦瘤P53蛋白的表達狀況，避免了在免疫組織化學技術中引入檢測者的主觀影響，也避免了檢測方法標準化不足的問題。(4)通過對訓練樣本集進行特征優化，可以有效降低特征集的復雜程度，進一步提高檢測效率。( 由于通過圖像分析獲得P53蛋白表達的狀況，不需要消耗化學試劑等，所以具有成本低的特點。
圖1是本發明的一個實施例中由FUUR序列的磁共振圖像中截取的病變區域圖像的示意圖；圖2是本發明中對訓練樣本集進行特征優化后，使用優化后的訓練樣本集訓練支持向量機，然后對新的驗證樣本集進行分類得到的ROC曲線。
具體實施例方式本發明的基于磁共振圖像分析的腦瘤P53蛋白表達檢測方法包括下列步驟(1)采集腦瘤患者的磁共振圖像，其中，磁共振圖像包括Tl加權序列、Tl增強序列、FUUR序列中的任一種或任幾種。具體的采集方法如下使用磁共振掃描儀(例如GE Healthcare, 1.5T)采集腦膠質瘤患者的橫斷位、 冠狀位或矢狀位的磁共振圖像，該磁共振圖像包括Tl加權序列、Tl增強序列和FUUR序列。其中，Tl加權序列的成像參數優選為R印etition Time = 1966. lms, Echo Time = 21. 088ms, Inversion Time = 750ms ；Tl 增強序列的成像參數優選為 R印etition Time = 1967. 25ms, Echo Time = 7. 264ms, Inversion Time = 750ms ；FLAIR序列圖像的成像參數優選為 Repetition Time = 8002ms,EchoTime = 122. 904ms, Inversion Time = 2000ms。優選采集腦膠質瘤患者的橫斷位的磁共振圖像。對患者進行掃描時，每個序列的磁共振圖像的體數據分辨率均優選為512X512X 16體素，即每個二維切面圖像的分辨率為512X512 像素，共有16個二維切面圖像。磁共振圖像的格式一般為DIC0M。
(2)在Tl加權序列、Tl增強序列或FIJUR序列中截取步驟⑴所采集的磁共振圖像中的病變區域圖像，由截取得到的病變區域圖像構成病變區域圖像集。具體方法如下在Tl加權序列、Tl增強序列或FUUR序列的橫斷位、冠狀位或矢狀位的磁共振圖像的體數據中的每個二維切面圖像上至多截取一個病變區域圖像(即圖1中的白色小方框內的區域)。病變區域圖像優選為尺寸為16 X 16像素、灰度級為256級、圖像格式為tif。 后將所截取的病變區域圖像構成病變區域圖像集。在獲得病變區域圖像集后，使用免疫組織化學技術對P53蛋白表達進行檢測，用檢測結果將病變區域圖像標記為P53蛋白表達陽性或陰性。例如，可臨床采集22個膠質瘤患者的磁共振圖像，其中包括Tl加權序列、Tl增強序列和FUUR序列。使用免疫組織化學技術檢測發現，22個膠質瘤患者中有10個患者的P53蛋白表達陰性，12個患者的P53蛋白表達陽性。由于Tl加權序列、Tl增強序列和FUUR序列中的部分序列上，磁共振圖像的偽影比較嚴重，容易影響圖像分析和分類的結果，因此不同序列的病變區域圖像個數不盡相同。 例如，在病變區域圖像集中，Tl加權序列上，P53蛋白表達陽性和陰性的病變區域圖像個數均為66個；Tl增強序列上，P53蛋白表達陽性和陰性的病變區域圖像個數均為67個；FUUR 序列上，P53蛋白表達陽性和陰性的病變區域圖像個數均為72個。(3)通過對病變區域圖像集進行圖像分析，提取病變區域圖像中的圖像特征，并由圖像特征構成病變區域樣本集。以下優選分別對病變區域圖像使用灰度共生矩陣提取13 個圖像特征、使用灰度-梯度共生矩陣提取15個圖像特征、使用二維離散正交S變換提取 34個圖像特征進行進一步說明。(a)對病變區域圖像，使用灰度共生矩陣提取13個圖像特征。病變區域圖像通常為二維數字圖像，以下以一幅二維數字圖像為例進行進一步說明。此處以f(x，y)表示一幅二維數字圖像，假設其大小為MXN，最高灰度級為第Ng級。在二維數字圖像中，在某個方向上相隔一定距離的一對像素點的灰度出現的統計規律，從一定程度上可以反映這個二維數字圖像的圖像特征。這個統計規律可以用一個矩陣描述，即灰度共生矩陣。在二維數字圖像中，任意取一像素點(X，y)以及偏離它的另一像素點(x+a，y+b) 形成一個點對。設該點對的灰度值為(i，j)，即像素點(X，y)的灰度值為i，像素點(x+a， y+b)的灰度值為j。固定a和b，令像素點(x，y)在整幅二維數字圖像上移動，則會得到各種(i，j)值。假如二維數字圖像的灰度級別為Ng，則i與j的組合共有種。在整幅二維數字圖像中，統計每一種組合出現的頻率為P (i，j，d，θ )，則構成大小為NgXNg的灰度共生矩陣，其中d是點對之間的距離J = V^f, θ為點對構成的向量與坐標橫軸之間的夾角， 即點對的方向。灰度共生矩陣本質上就是兩個像素點的聯合直方圖，當a和b取不同的數值組合，都可以得到二維數字圖像沿一定方向θ、相隔一定距離^ = V^p的灰度共生矩陣。灰度共生矩陣的數學表達式為P(i, j, d, θ ) = #{(x，y)，(χ+a, y+b) e MXN|f(x, y) = i, f(x+a, y+b) = j}其中#{x}表示集合x中元素的個數。P為NgXNgW矩陣。若(x，y)與(x+a，y+b) 之間距離為d，點對構成的向量與坐標橫軸之間的夾角為θ，則可以得到各種間距及角度的灰度共生矩陣P(i，j，d，θ)。為表達簡明起見，在下面的表述中略去d和Θ，用p(i，j) 表示灰度共生矩陣。
通常可以設置d = 1，分別計算0°、45°、90°、135°四個方向的圖像特征，對這四個方向的特征求取均值，得到與方向無關的特征。利用灰度共生矩陣提取的13個圖像特征，包括角二階矩、對比度、相關系數、方差、逆差矩、和平均、和方差、和熵、熵、差平均、慣性、差方差和差熵。在計算上述每個特征時，設置d= 1，分別計算0°、45°、90°、135°四個方向的圖像特征，對這四個方向的特征求取均值，得到與方向無關的特征，則每個特征公式如下所示 D 角二階矩
權利要求
1. 一種腦瘤P53蛋白表達檢測方法，其特征在于，包括包括以下步驟(1)采集腦瘤患者的磁共振圖像，所述磁共振圖像包括Tl加權序列、Tl增強序列、 FUUR序列中的任一種或任幾種；(2)在步驟(1)的任一種所述序列中截取所述磁共振圖像中的病變區域圖像，由所述病變區域圖像構成病變區域圖像集，并將病變區域圖像標記為P53蛋白表達陽性或陰性；(3)通過對所述病變區域圖像集進行圖像分析，提取所述病變區域圖像中的圖像特征， 由所述圖像特征構成病變區域樣本集；(4)從所述病變區域樣本集中任選個樣本作為訓練樣本集，利用所述訓練樣本集對分類器進行訓練得到訓練后的分類器，其中，為正整數且， 表示所述病變ηI4 m區域樣本集的樣本個數；(5)將所述病變區域樣本集中除所述訓練樣本集以外的其他樣本作為驗證樣本集，使用所述訓練后的分類器對所述驗證樣本集進行分類，獲得各驗證樣本的腦瘤P53蛋白的表達狀況。
全文摘要
本發明公開一種基于磁共振圖像分析的腦瘤P53蛋白表達檢測方法，該方法包括(1)采集腦瘤患者的包括T1加權序列、T1增強序列、FLAIR序列的磁共振圖像；(2)在前述任一種序列中截取磁共振圖像中的病變區域圖像，由病變區域圖像構成病變區域圖像集，并將病變區域圖像標記為P53蛋白表達陽性或陰性；(3)對病變區域圖像集進行圖像分析，提取病變區域圖像中的圖像特征，由圖像特征構成病變區域樣本集；(4)從病變區域樣本集中任選一部分樣本作為訓練樣本集，其他樣本作為驗證樣本集，使用訓練樣本集訓練分類器；(5)使用訓練后的分類器對驗證樣本進行分類，獲得驗證樣本的腦瘤P53蛋白表達狀況。
文檔編號G06F19/24GK102201038SQ20111010665
公開日2011年9月28日 申請日期2011年4月27日 優先權日2011年4月27日
發明者劉晨彬, 夏順仁, 潘穎 申請人:浙江大學