新疆高發(fā)病哈薩克族食管癌圖像紋理特征的分類(lèi)研究

木拉提·哈米提， 楊 芳， 孔德偉， 阿布都艾尼·庫(kù)吐魯克， 嚴(yán)傳波， 李 莉, 員偉康

(新疆醫(yī)科大學(xué)1醫(yī)學(xué)工程技術(shù)學(xué)院， 烏魯木齊 830011, 2第一附屬醫(yī)院影像中心， 烏魯木齊 830054)

食管癌是常見(jiàn)的消化道惡性腫瘤，世界范圍內(nèi)食管癌的發(fā)病率和致死率在常見(jiàn)癌癥中分別居第8位和第6位[1]，其發(fā)病學(xué)上的地理學(xué)差異是所有癌癥中最明顯的。中國(guó)是全世界食管癌發(fā)病率和死亡率最高的國(guó)家之一[2]，全世界每年新增加的30萬(wàn)食管癌患者中，約有一半發(fā)生在中國(guó)[3]。在我國(guó)，食管癌是最常見(jiàn)的癌癥之一，嚴(yán)重威脅著我國(guó)人民的生命和健康，成為當(dāng)前重點(diǎn)研究的癌癥之一[4]。新疆維吾爾自治區(qū)食管癌的民族分布特點(diǎn)之一是哈薩克族人群的發(fā)病率在各民族人群中位居首位，調(diào)整死亡率達(dá)68.88/106，其他民族依次為蒙古族、維吾爾族、漢族、柯?tīng)柨俗巫搴退俗?。例如，托里縣哈薩克族食管癌調(diào)整死亡率高達(dá)155.9/106，而該縣其他民族為22.3/106，遠(yuǎn)遠(yuǎn)高于全國(guó)平均水平(14.95/106)，此疾病嚴(yán)重威脅著哈薩克族人民的生命和健康[5]。

圖像特征提取是一門(mén)交叉性的學(xué)科，它既包含在計(jì)算機(jī)視覺(jué)技術(shù)中，也包含在圖像處理中，通過(guò)計(jì)算機(jī)的分析和處理來(lái)提取圖像不變特征，進(jìn)而解決實(shí)際問(wèn)題[6]。1964年美國(guó)率先描繪了月球表面圖像，這對(duì)以后圖像特征提取技術(shù)的發(fā)展產(chǎn)生了深遠(yuǎn)影響。此后，世界各國(guó)都發(fā)現(xiàn)了數(shù)字圖像處理的廣闊前景，紛紛對(duì)數(shù)字圖像特征提取技術(shù)深入研究，并將其應(yīng)用擴(kuò)展到各個(gè)領(lǐng)域[7]。90年代以后，人們發(fā)現(xiàn)傳統(tǒng)的圖像特征提取方法存在不足之處，即不能有效描述圖像特征，小波理論的出現(xiàn)為圖像特征的提取提供了一個(gè)更為精確的方法，在圖像特征提取中有著廣闊的發(fā)展空間[8]。

紋理是指存在于圖像中某一范圍內(nèi)的形狀很小的、半周期性或有規(guī)律地排列的圖案。在圖像判讀中使用紋理表示圖像的均勻、細(xì)致、粗糙等現(xiàn)象。紋理是圖像處理和模式識(shí)別的主要特征之一。紋理特征是指圖像灰度等級(jí)的變化，這種變化是與空間統(tǒng)計(jì)相關(guān)的。圖像的紋理特征反映了圖像本身的屬性，有助于圖像的區(qū)分。一般的圖片都具有豐富、穩(wěn)定的紋理特征。紋理特征提取的主要方法有統(tǒng)計(jì)法、模型法、信號(hào)處理法和結(jié)構(gòu)法。統(tǒng)計(jì)法提取紋理特征是應(yīng)用較為廣泛的一種方法[9]，利用此方法提取圖像的紋理特征具有計(jì)算量小的特點(diǎn)?；叶裙采仃囋诮y(tǒng)計(jì)方法中具有很旺盛的生命力，用該方法提取的紋理特征具有很好的鑒別能力[10]。

目前尚無(wú)關(guān)于新疆高發(fā)病哈薩克族食管癌病醫(yī)學(xué)圖像特征提取的相關(guān)研究。本研究選取潰瘍型和縮窄型食管癌X鋇劑造影醫(yī)學(xué)圖像，潰瘍型表面多有較深的潰瘍，縮窄型呈環(huán)形生長(zhǎng)，且多累及食管全周，食管黏膜呈向心性收縮。首先，對(duì)食管癌X鋇劑造影圖像進(jìn)行灰度和尺度歸一化、去噪和直方圖均衡化的預(yù)處理；其次，提取2種圖像的灰度共生矩陣特征；最后，使用bayes判別分析驗(yàn)證所提取特征的分類(lèi)能力。

1 灰度共生矩陣特征提取

1.1圖像預(yù)處理圖像預(yù)處理的目的是對(duì)從醫(yī)學(xué)設(shè)備獲得的圖像進(jìn)行處理，去除由于外界干擾出現(xiàn)的噪聲，增強(qiáng)正常組織與病理組織之間的對(duì)比度，得到可視性和對(duì)比度較強(qiáng)的感興趣區(qū)域，從而對(duì)醫(yī)生的臨床診斷和后續(xù)的圖像處理提供更好的支持[11]。本研究對(duì)食管癌X鋇劑造影醫(yī)學(xué)圖像采取尺寸歸一化、中值濾波去噪和直方圖均衡的預(yù)處理。

圖像預(yù)處理結(jié)果見(jiàn)圖1和圖2，其中(a)為原始食管癌X鋇劑造影圖像；(b)為經(jīng)過(guò)灰度和尺寸歸一化后的圖像；(c)為中值濾波去噪后的X鋇劑造影圖像；(d)為經(jīng)過(guò)直方圖均衡化后的X鋇劑造影圖像。經(jīng)過(guò)圖像預(yù)處理后，X鋇劑造影圖像的質(zhì)量得到明顯改善，病理組織與正常組織之間的對(duì)比度存在著明顯的增強(qiáng)，圖像的細(xì)節(jié)更加清晰。這為后續(xù)的新疆高發(fā)病食管癌病X鋇劑造影圖像的灰度共生矩陣特征提取工作奠定良好基礎(chǔ)，進(jìn)而能夠進(jìn)一步提高圖像的分類(lèi)準(zhǔn)確率。

a： 原始圖像 b: 歸一化后的圖像 c： 去噪后的圖像 d： 均衡化后的圖像

圖1縮窄型食管癌X鋇劑造影圖像預(yù)處理結(jié)果

a： 原始圖像b: 歸一化后的圖像c： 去噪后的圖像d： 均衡化后的圖像

圖2潰瘍型食管癌X鋇劑造影圖像預(yù)處理結(jié)果

1.2灰度共生矩陣的定義灰度共生矩陣(gray level co-occurrence matrix)是反映圖像區(qū)域微觀(guān)紋理的有力工具，它按一定的空間關(guān)系描述像素點(diǎn)對(duì)之間的灰度相關(guān)性[12-13]。它是建立在估計(jì)圖像的二階矩組合條件概率密度函數(shù)基礎(chǔ)上的，研究圖像中的2個(gè)像素組合的灰度配置情況是最具代表性的二階統(tǒng)計(jì)紋理特征計(jì)算方法[13]。

灰度共生矩陣定義為從圖像灰度為的像素點(diǎn)出發(fā)，統(tǒng)計(jì)與其距離d、角度θ、出現(xiàn)灰度為j的像素點(diǎn)的概率，反映了圖像中任意兩點(diǎn)之間灰度的空間相關(guān)性。灰度共生矩陣用Pd(i,j)(i,j=0,1,2,…L-1)表示。其中L表示圖像的灰度級(jí)，i、j分別表示像素的灰度，d表示2個(gè)像素間的空間位置關(guān)系。不同的d和θ決定了2個(gè)像素間的距離和方向，通常取0°、45°、90°和135°4個(gè)方向作為灰度共生矩陣的生成方向，見(jiàn)圖3。

圖3 灰度共生矩陣的像素

1.3基于灰度共生矩陣的特征提取由于空間灰度共生矩陣的計(jì)算量大，通常不能作為紋理分析的特征量，而是在灰度共生矩陣的基礎(chǔ)上再提取紋理特征量，李莉等[14]在灰度共生矩陣的基礎(chǔ)上依據(jù)紋理的特點(diǎn)提出14種基于灰度共生矩陣的紋理量化方法，本研究計(jì)算以下幾種特征統(tǒng)計(jì)量。

1.3.1 角二階矩(angular second moment) 也稱(chēng)為能量，反映了圖像灰度分布的均勻性，粗紋理的能量矩較大，細(xì)紋理的能量矩較小。

(1)

1.3.2 熵(entropy) 主要用來(lái)檢測(cè)圖像空間的復(fù)雜性和內(nèi)部的均勻性，細(xì)紋理熵較大，而粗紋理熵較小。

(2)

1.3.3 主對(duì)角線(xiàn)慣性矩(Inertia Moment) 又稱(chēng)對(duì)比度(Contrast)，是圖像小區(qū)域內(nèi)灰度變化總量。該參數(shù)反映高值陣元遠(yuǎn)離對(duì)角線(xiàn)的程度。

(3)

1.3.4 相關(guān)(Correlation) 相關(guān)是描述灰度共生矩陣中行或列元素之間相似程度的，它反映某種灰度值沿某個(gè)方向的延伸長(zhǎng)度，若延伸得越長(zhǎng)，則相關(guān)值越大；反之，則相關(guān)值越小。

(4)

(5)

(6)

(7)

(8)

1.3.5 逆差矩(Inverse difference moment) 反映高值陣元在主對(duì)角線(xiàn)上的集中程度，值越大，表明越集中。

(9)

2 結(jié)果與分析

2.1特征提取結(jié)果使用的食管癌X鋇劑造影醫(yī)學(xué)圖像由新疆醫(yī)科大學(xué)第一附屬醫(yī)院放射中心提供，經(jīng)臨床醫(yī)師指導(dǎo)，對(duì)所獲取的食管癌X鋇劑造影圖像進(jìn)行分類(lèi)，選取食管癌X鋇劑造影醫(yī)學(xué)圖像60張，縮窄型和潰瘍型食管癌圖像各30張，取像素距離d=1，θ ={0°、45°、90°、135°}4個(gè)方向上的角二階矩、熵、主對(duì)角線(xiàn)慣性矩、相關(guān)、逆差矩5個(gè)特征，計(jì)算每個(gè)特征4個(gè)方向上的均值和方差共計(jì)10 個(gè)特征，組成圖像的特征向量。部分縮窄型和潰瘍型食管癌X鋇劑造影圖像的特征提取結(jié)果,見(jiàn)表1。

表1 灰度共生矩陣法提取的2種圖像特征

2.2Bayes判別分析根據(jù)表1所得結(jié)果，使用所提取的灰度共生矩陣特征對(duì)縮窄型圖像和潰瘍型圖像進(jìn)行Bayes判別分類(lèi)，結(jié)果對(duì)縮窄型食管癌的分類(lèi)準(zhǔn)確率達(dá)到了70%，潰瘍型食管癌圖像的分類(lèi)準(zhǔn)確率達(dá)到了90%(表2)。

表2 使用GLCM提取的特征對(duì)縮窄型、潰瘍型食管癌X鋇劑造影圖像的判別分析/例

3 結(jié)論

本研究選取縮窄型和潰瘍型2種食管癌X鋇劑造影醫(yī)學(xué)圖像，根據(jù)新疆高發(fā)病哈薩克族食管癌病不同類(lèi)型在紋理分布上存在差異，結(jié)合食管癌病癥的特點(diǎn)，提出基于灰度共生矩陣的特征提取方法，并利用所提取的灰度共生矩陣特征對(duì)縮窄型和潰瘍型食管癌進(jìn)行bayes判別分析。結(jié)果表明灰度共生矩陣法提取的特征在對(duì)不同類(lèi)型的圖像進(jìn)行分類(lèi)時(shí)，特征的分類(lèi)能力有所不同；灰度共生矩陣法可以在一定程度上對(duì)不同類(lèi)型的食管癌進(jìn)行判別分類(lèi)，這不僅為影像科醫(yī)生診斷食管癌類(lèi)型提供一定的依據(jù)，也為面向新疆高發(fā)病哈薩克族食管癌的計(jì)算機(jī)輔助診斷系統(tǒng)的研究提供了一個(gè)方向。

參考文獻(xiàn)：

[1] Parkin DM, Bray FI, Devesa SS. Cancer burden in the year 2000[J]. Eur J Cancer, 2001, 37 (S8):S4-66.

[2] 趙鳳娟, 云妙英, 張嚴(yán)，等. 新疆哈薩克族食管癌研究進(jìn)展[J]. 中央民族大學(xué)學(xué)報(bào), 2009, 18(3):85-89.

[3] 陳湘川, 龐麗娟, 李峰. 新疆哈薩克族食管癌研究進(jìn)展[J]. 農(nóng)墾醫(yī)學(xué), 2006, 28(5):384-387.

[4] 張慧霞, 陳艷, 尹東，等. 新疆哈薩克族食管癌危險(xiǎn)因素的探討[J]. 現(xiàn)代預(yù)防醫(yī)學(xué), 2009, 36(10):1804-1806.

[5] 張?jiān)旅? 新疆食管癌分布[J].新疆醫(yī)學(xué)院學(xué)報(bào)，1998,11(2)：139-144.

[6] 王志瑞，閆彩良.圖像特征提取方法的綜述[J].吉首大學(xué)學(xué)報(bào)，2011,32(5):43-47.

[7] 孫勁光，尹達(dá)，張華偉.基于顏色和紋理特征的圖像檢索技術(shù)研究[J].河北工業(yè)大學(xué)學(xué)報(bào),2008,37(6):23-30.

[8] 張勇,王瓛,郭秀花. 基于醫(yī)學(xué)圖像紋理特征的疾病診斷方法及其應(yīng)用現(xiàn)狀[J].北京生物醫(yī)學(xué)工程，2008,27(4)：444-447.

[9] 高程程,惠曉威.基于灰度共生矩陣的紋理特征提取[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2010,19(6):195-198.

[10] 木拉提·哈米提，周晶晶，嚴(yán)傳波，等.新疆地方性肝包蟲(chóng)CT圖像的灰度直方圖特征提取與分析[J].科技導(dǎo)報(bào),2010,30(6)：66-70.

[11] 童隆正,王磊,陳海榮，等. 肝纖維化圖像的灰度共生矩陣分析[J].首都醫(yī)科大學(xué)報(bào),2003,24(3):240-242.

[12] 金晶,師黎. 基于CT的肝癌智能診斷[J].中國(guó)組織工程研究與臨床康復(fù),2009,13(30):5919-5922.

[13] 楊凱陟，程英蕾.基于灰度共生矩陣的SAS圖像紋理特征提取方法[J].電子科技，2011,24(10)：66-69.

[14] 李莉，木拉提·哈米提，艾克熱木·阿西木，等.基于灰度共生矩陣的新疆地方性肝包蟲(chóng)CT圖像特征提取方法[J].研究論文，2010,28(16)：31-35.