三维颈动脉超声图像中斑块的纹理特征分析.pdf 8页

'中国科技论文在线http://www.paper.edu.cn三维颈动脉超声图像中斑块的纹理特征分#析1,231,2**周然，AaronFenster，丁明跃5（1.华中科技大学生命科学与技术学院生物医学工程系；2.华中科技大学生命科学与技术学院分子生物物理教育部重点实验室；3.西安大略大学Robarts研究所医学成像实验室）摘要：颈动脉斑块的破裂是脑血管疾病发生的主要因素之一，对颈动脉斑块进行定量的特征10描述在区分易损斑块以及对治疗的药效评价方面都有着极其重要的意义。三维超声在颈动脉粥样硬化诊断和易损性斑块识别中有着重要的临床价值，它相比二维超声重复性好、更直观和易于识别。本文基于三维颈动脉超声图像，提出通过两种三维纹理特征的提取方法，并用于评估颈动脉粥样硬化的治疗效果。实验从28个颈动脉粥样硬化病人获取了三维颈动脉超声图像，其中14例病人每日服用80mg的atorvastatin，对照组14例每日服用80mg15安慰剂。医生手工标记总共获得了38个斑块，通过计算每个斑块在用药三个月后的三维纹理特征变化以评估用药效果。实验计算了测试组和对照组两类的类间距离（distancebetweenclasses,DBC）、秩和检验（Wilcoxonranksumtest,WRS）分别为20.636，0.0146。最后，采用支持向量机（supportvectormachine,SVM）对两组进行分类，精确度、准确性、敏感度和特异性分别为88.2%、84.4%、83.3%、85.7%。因此，三维超声纹理特征分析对颈20动脉斑块易损性描述以及用药治疗后的效果评价是有重要价值的。关键词：三维超声；颈动脉斑块；纹理特征；斑块易损性分析中图分类号：请查阅《中国图书馆分类法》Textureanalysisofcarotidarteryplaquesbasedon25three-dimensionalultrasoundimages1,231,2ZHOURan,AaronFenster,DINGMingyue(1.MedicalUltrasoundLaboratory,CollegeofLifeScienceandTechnology,HuazhongUniversityofScienceandTechnology;2.KeyLaboratoryofMolecularBiophysicsofEducationMinistryofChina,CollegeofLife30ScienceandTechnology;3.ImagingResearchLaboratories,RobartsResearchInstitute,WesternUniversity)Abstract:Carotidatheroscleroticlesionsareamajorcauseofcerebrovasculardisease(CVD).Identificationandquantificationofcarotidplaquesareimportantforcategorizingthevulnerabilityofplaquesforruptureandassessingtheimpactoftreatments.Intheclinical,three-dimensional(3D)35ultrasoundhasanimportantvalueforidentifyingvulnerableplaquesduetoitsrepeatability,perceptualintuitionandeffectiveness.Inthispaper,severaltextureanalysismethodsareproposedtoassesstheimpactoftreatmentsbasedon3Dultrasoundimages.Intheexperiments,38plaquesweremanuallysegmentedbyexperts,whichwereacquiredfrom14patientstreatedwithatorvastatinwith80mgdailyand14patientswithplacebofor3months.Distancebetweenclasses(DBC)andWilcoxonranksum40test(WRS)wereappliedtothechangesoftexturefeaturebetweenbaselineandthreemonthslater,thevalueofwhichwere20.636,0.0146respectively.Usingsupportvectormachine(SVM)classifier,theprecision,accuracy,sensitivityandspecificitywere88.2%,84.4%,83.3%,85.7%.Thus,itsuggeststhat3Dtexturemeasurementscanbeusedeffectivelytoanalyzethesurfacecharacteristicsofcarotidplaques,especiallyforevaluatingtheimpactofthetreatment.45Keywords:Three-dimensionalultrasoundimages,carotidarteryplaque,texturefeature,anevaluationofthevulnerabilityoftheplaques基金项目：国家自然科学基金（81571754）；高等学校博士学科点专项科研基金（2013014213006）作者简介：周然（1987年），女，主要研究方向：医学图像处理与机器学习通信联系人：丁明跃(1961年)，男，博导，超声图像处理与超声成像.E-mail:myding@hust.edu.cn-1- 中国科技论文在线http://www.paper.edu.cn0引言50心脑血管疾病已成为发达国家首要致死病因，在发展中国家也越来越普遍[1,2]。大量临床和基础医学研究结果表明，心脑血管疾病的主要病理基础是动脉粥样硬化，动脉粥样硬化易损斑块的破裂是发生心脑血管临床事件的主要原因。因此，在过去的几十年里，人们开展了关于动脉粥样硬化易损斑块的识别与诊断的研究，试图对早期的动脉粥样硬化做出正确的诊断，并通过各种风险因子来早期评估和预测未来发生的心脑血管事件的风险，以便为采取55及时有效的预防和临床干预措施提供依据[3]。在临床应用上，医学影像由于其无创性被广泛的应用到粥样硬化的检测和诊断中，包括超声（Ultrasound，US）、计算机断层扫描成像技术（Computedtomography，CT）、核磁共振成像技术（MagneticResonanceImaging，MRI）等[4]。超声因其具有无创快速、普及率高、价格低廉等优点被广泛应用于粥样硬化病人的检查，是目前最常见的普查手段。60在已有颈动脉斑块超声图像的研究中，大多数通过提取二维B超图像的统计特征来分析斑块的易损特性[5-7]，包括：灰度中值（GSM）、均值、标准差等等。近年来，许多学者提出用纹理特征来描述斑块的特性，并在区分有症状和无症状的斑块方面取得了一定效果。最常见的纹理特征包括空间灰度依赖矩阵（SGLDM）、灰度共生矩阵（GLCM）、灰度差分统计（GLDS）、Law"s纹理、局部二值模式（LBP）、以及傅里叶谱分析等[8-10]。65三维超声提供了一种更高效、重复性更好、可靠性更高的颈动脉斑块检测和分析手段，能够更可靠地分析斑块的组成、结构、形态等特性，同时监测药物治疗对粥样硬化的影响[11]。Landry和Fenster提出三维颈动脉超声图像中斑块总体积（Totalplaquevolume，TPV）作为颈动脉粥样硬化的表征[12]。Wannarong和parrage[13]首次在临床上验证了内中膜厚度（Intima-mediathickness，IMT），斑块总面积（Totalplaquearea，TPA），和TPV对粥样70硬化生长的影响。为了克服TPV的局限性，Egger和Spence进一步提出用血管壁体积（Vesselwallvolume，VWV）来描述颈动脉粥样硬化[14]。在三维超声图像中颈动脉斑块IMT、TPA、TPV、VWV等特征的获取往往需要人工参与，不仅费时费力而且依赖与医生的主观性，重复性差。从超声图像中提取斑块纹理特征会更客观、可靠性会更高。而在以往的研究中，主要是从二维B超图像中获取纹理特征，从75三维颈动脉超声图像中获取纹理特征并进行临床数据分析的研究较少。一些学者，在三维颈动脉超声图像中提取斑块纹理特征时，也是对每个切面二维图像提取特征后进行组合得到三维特征，而并非真正的三维特征，没有考虑帧与帧之间的关系。本文提出了从三维颈动脉超声图像中直接提取斑块纹理特征的新方法，并通过临床数据实验验证了其有效性以及对药效评价的可行性。-2- 中国科技论文在线http://www.paper.edu.cn801材料和方法1.1图像数据获取本文所使用的超声图像数据来自加拿大西安大略大学罗伯茨研究所医学影像实验室（ImagingResearchLaboratories,RobartsResearchInstitute,TheUniversityofWesternOntario,London,Canada），包含了28例颈动脉狭隘超过60%的病人，其中测试组14例病人（平均85年龄在68±8.6）每天服用atorvastatin3个月，对照组14例病人（平均年龄在70±9.4）服用安慰剂。对每个病人在服药初期和三个月后分别采集了左右两侧三维颈动脉超声图像。采用Philips/ATLHDI5000超声机，L12-5探头中心频率为8.5MHZ，颈部扫描的线速度为3mm/s。三维颈动脉超声图像是使用3DQuantify软件[15]将获取到的二维图像重建得到的。图1显90示了三维颈动脉超声图像。图1三维颈动脉超声图像Fig.1Three-dimensionalultrasoundimagesofcarotidartery1.2三维纹理特征951.2.1灰度共生矩阵灰度共生矩阵提取纹理特征是由Haralick等提出的，描述灰度图像中像素组合出现的概率。在本文中，我们将灰度共生矩阵扩展到三维体素图像中，从x、y、z三个平面所有的二维图像切片分别计算灰度共生矩阵。每个平面上，从4个方向(0,45,90,135度)计算10个特征：对比度、相关性、非相似性、能量、熵、同质性、最大概率、逆差矩、均值和方差。100对比度：2Contrast(ijPij)(,)（1）ij相关性：(()(,)ijPijxy)ijCorrelation（2）xy105其中，分别是行方向和列方向的均值，分别是行方向和列方向的方差。-3- 中国科技论文在线http://www.paper.edu.cn非相似性：Dissimilarity[ijPij(,)]（3）ij能量：2Energy[(,)]Pij（4）ij110熵：EntropyPij(,)ln(,)Pij（5）ij同质性：Pij(,)Homogeneity2（6）ij1(mn)最大概率值：115maxProbabilitymax(,)Pij（7）ij,逆差矩：Pij(,)IDM2（8）ijij,;()ij1.2.2三维分数维毯覆盖法是由ShmuelPeleg提出用于做多分辨率纹理分析和物体分类，它计算了一种二120维图像灰度的纹理特征。在海岸线模型中，为了计算二维曲线的长度，Mandelbrot考虑了所有距离海岸线小于ε的点形成了一个宽度为2ε的带，并且认为曲线长度L等于带状区域的面积除以2ε。SL（9）2那么Minkowski维数等于log(L)125FDlim[D](10）E0log()其中DE是物体的欧式维度，对于曲线而言DE是1。将它应用于二维图像，认为灰度值形成了三维空间的分形曲面。在三维空间中所有距离表面为ε的点，用厚度为2ε的毯子覆盖，那么曲面的表面积等于毯区域的体积除以2ε。VS（11）2130覆盖曲面毯子可以用其上表面u和下表面b来表示，定义如下：-4- 中国科技论文在线http://www.paper.edu.cnuij(,)max{u(,)1,ijmaxu(,)}mn11(,)(,)1mnijbij(,)max{b(,)1,ijminb(,)}mn（12）11(,)(,)1mnijij,((,)uijbij(,))S2其中，上下表面的初始值为灰度值g(i,j)。将毯覆盖方法扩展到三维体素图像，用三维分数维来表示三维体素图像灰度表面的纹理信息。令g(x,y,z)为一个三维体素图像矩阵，u、b表示三维图像的灰度表面。uijk(,,)max{u(,,)1,ijkmaxu(,,)}mnp11(,,)(,,)1mnpijk135bijk(,,)max{b(,,)1,ijkminb(,,)}mnp(13)11(,,)(,,)1mnpijkijk,,((,,)uijkbijk(,,))A2变化覆盖毯区域的宽度ε由1到mx，用最小二乘法拟合log(Aε)/log(ε)的曲线，曲线的斜率用于估计三维分数维的大小。log(A)FDslim[D]E0log()log(A)Dlim（14）E0log()3p2结果140我们通过类间距离分析（DBC）和秩和检验（WRS）对提取到的三维纹理特征进行选择，同时，使用SVM分类器对测试组和对照组进行分类，验证所提取特征的有效性。2.1类间距离测量两类间的距离可以用以下公式描述：mm12dis（15）2212145其中，m1和m2分别表示用atorvastatin和安慰剂两组所提取特征的均值，错误！未找到引用源。和错误！未找到引用源。表示两组特征的标准方差。较好的特征表现为两类之间有较大的距离。表1特征的类间距离测量Tab.1Thedistancemeasureoffeatures特征DBCContrast4.633Correlation0.658Energy1.726Entropy0.134-5- 中国科技论文在线http://www.paper.edu.cnHomogeneity20.636IDM19.757Mean1.593Variance0.367Dissimilarity8.904maxProbability1.819Contrast4.633FDs7.6950150从表1中可以看到，灰度共生矩阵的同质性、逆差距、非相似性、对比度以及三维分数维特征对使用atorvastatin和安慰剂两组病人表现出较大的差异。2.2秩和检验WRS可以检验两种或两种以上的观察变量的分布有无显著性差别。较好的特征的p值都比较小。表2显示了p值较小的前几个特征的检验结果。从结果中可以看到，三维分数维155特征以及灰度共生矩阵的同质性、逆差距、非相似性有较大的区分度。表2特征秩和检验结果Tab.2ThetopindividualfeaturesofWilcoxonmeasure特征pvalueFDs0.0146Homogeneity0.0186IDM0.0235Dissimilarity0..02942.3分类结果我们采用支持向量机（SVM）对斑块是属于服用atorvastatin病人还是服用安慰剂的病160人进行分类，以测试我们提出的三维纹理特征对斑块特性描述的效果。在测试过程中，由于病例数量的局限性，我们采用“留一法”进行测试，即可以保证训练样本和测试样本的独立性，也可使得分类效果更具有鲁棒性。具体来讲，首先选取38个斑块数据中的一个作为测试样本，其余的37个斑块数据作为训练样，得到分类结果，然后依次对每一个样本进行同样的测试，共重复38次。165计算分类结果的精确度、准确性、敏感度、特异性四个指标。TPprecision=（16）TPFP()TPTNaccuracy=（17）()TPFPFNTNTPsensitivity=（18）TPFNTNspecificity=（19）TNFP170表3显示了最终的分类结果。从表3中可以看出，特征分类的精确度（88.2%）、准确-6- 中国科技论文在线http://www.paper.edu.cn性（84.4%）、敏感度（83.3%）以及特异性（85.7%）均获得了较好的结果。表3对服用atorvastatin和安慰剂两组斑块的分类结果Tab.3classificationresultofthetwogroupswithatorvastatinandplacebo分类器precisionaccuracysensitivityspecificitySVM0.8820.8440.8330.8573讨论175本文提出了几种三维颈动脉斑块超声图像的纹理特征的提取方法，用于描述斑块的易损特性以及评估颈动脉粥样硬化的治疗效果，包括：三维灰度共生矩阵描述特征以及三维分形特征。对28例颈动脉狭隘大于60%的病人进行了对照测试，其中14人服用三个月atorvastatin，剩下14人服用安慰剂。为了对比三个月前后所提取三维纹理特征的变化两组数据的差异，首先，通过类间距离测量以及秩和检验判断出具有显著性的特征，同质性特征180的DBC差异最大为20.636，分数维特征的秩和检验p值最小为0.0146；然后，采用SVM分类器对两组斑块进行分类，精确度、准确性、敏感度和特异性分别为88.2%、84.4%、83.3%和85.7%。因此，采用三维超声纹理特征分析对颈动脉斑块用药治疗后的效果评价是有重要价值的在未来的工作中，考虑将更多的纹理特征应用于三维颈动脉超声图像以判断斑块的易185损性，同时收集更多的病例进行测试和分析。致谢感谢加拿大西安大略大学罗伯茨研究所医学影像实验室提供的病例数据。感谢国家自然科学基金（81571754）和高等学校博士学科点专项科研基金（2013014213006）对本研究内容的资助。190[参考文献](References)[1]WorldHealthOrganization.Cardiovasculardiseases.[2016-8-1].http://www.who.int/mediacentre/factsheets/fs317/en/[2]中华人民共和国卫生部.2011年中国卫生统计年鉴[M].北京：中国协和医科大学出版社，2011[3]李秋萍，华扬.颈动脉粥样硬化的超声检测与临床相关性研究进展[J].中国脑血管病杂志，2009，6(6)：195317-321.[4]U-King-ImJM,YoungV,GillardJH.Carotid-arteryimaginginthediagnosisandmanagementofpatientsatriskofstroke[J].LancetNeurol,2009,8:569-80.[5]El-BarghoutyN,eroulakosG,NicolaidesA,AndroulakisA,BahalV.Computerassistedcarotidplaquecharacterization[J].Eur.J.Vasc.Endovasc.Surg,1995,9(4):548-557.200[6]ElatrozyTS,NicolaidesAN,TegosTJ,GriffinM.Theobjectivecharacterisationofultrasoniccarotidplaquefeatures[J].Eur.J.Vasc.Endovasc.Surg,1998,16(3):223-230.[7]PicanoE,PaterniM.UltrasoundTissueCharacterizationofVulnerableAtheroscleroticPlaque.InternationalJournalofMolecularSciences[J],2015,16(5):10121-10133.[8]NiuL,QianM,YangW,etal.SurfaceRoughnessDetectionofArteriesviaTextureAnalysisofUltrasound205ImagesforEarlyDiagnosisofAtherosclerosis[J],PlosOne,2013,8(10):e76880.[9]AcharyaUR,VinithaS,etal.Atheroscleroticriskstratificationstrategyforcarotidarteriesusingtexture-basedfeatures[J].UltrasoundMedBiol,2012,38(6):899-915.[10]TsiaparasNN,GolematiS,AndreadisI,StoitsisJS,ValavanisI,NikitaKS.ComparisonofmultiresolutionfeaturesfortextureclassificationofcarotidatherosclerosisfromB-modeultrasound[J].IEEETrans.Inf.210Technol.Biomed,2011,15(1):130-7.[11]TasneemZ,NaqviMD.QuantifyingAtherosclerosisby"3D"UltrasoundWorks!:ButThereIsWorktoBe-7- 中国科技论文在线http://www.paper.edu.cnDone[J].JournaloftheAmericanCollegeofCardiology,2015,65(11):1075-1077.[12]LandryA,FensterA.Theoreticalandexperimentalquantificationofcarotidplaquevolumemeasurementsmadebythree-dimensionalultrasoundusingtestphantoms[J].MedicalPhysics,2002,29(10):2319-2327.215[13]WannarongT,Parraga,G,etal.ProgressionofCarotidPlaqueVolumePredictsCardiovascularEvents[J].JournalofVascularSurgery,2013,58(4):1142-1142[14]EggerM,SpenceJD,FensterA,ParragaG.Validationof3Dultrasoundvesselwallvolume:animagingphenotypeofcarotidatherosclerosis[J].UltrasoundMedBiol,2007,33(6):905-914.[15]FensterA,BlakeC,GyacskovI,LandryA,SpenceJD.3Dultrasoundanalysisofcarotidplaquevolumeand220surfacemorphology[J].Ultrasonics,2006,44(8):e153-e157.-8-'