基于病理特征和改進隨機森林的肺結節(jié)分類

孟晉潔， 程遠志

(哈爾濱工業(yè)大學 計算機科學與技術學院， 哈爾濱 150001)

0 引 言

研究指出，肺癌已經(jīng)成為中國發(fā)病率最高的癌癥[1]。而且由于被檢查出患有肺癌的患者大多數(shù)都已進入癌癥晚期，致使肺癌的預后非常差，5年存活率只有16.1%[2]。但隨著目前科技發(fā)展，已有文獻表明：如果能盡早使用計算機斷層掃描技術(Computed Tomography scans, CT)檢查出肺部問題，就能夠進行有效的治療。

總地來說，肺結節(jié)是指直徑在3～30 mm的肺內(nèi)類球形結節(jié)，這是肺癌早期的明顯特征，如果能及時發(fā)現(xiàn)并診斷其良惡性，根據(jù)后續(xù)跟蹤情況輔以手術治療，對惡性肺結節(jié)進行切除，5年存活率能夠提高到60%[3]。有經(jīng)驗的醫(yī)生可以對肺結節(jié)進行準確判斷，但考慮到一張CT圖像一般有200張以上的切片，長時間根據(jù)多個特征對肺結節(jié)進行判斷容易產(chǎn)生視覺疲勞，很可能發(fā)生漏判、錯判。因此，利用計算機輔助診斷技術(Computer Aided Diagnosis, CAD)提前給出肺結節(jié)的良惡性的分類結果供醫(yī)生參考引證，幫助醫(yī)生更全面地了解肺部病情，就能夠提高效率和減少最終的誤判風險。

目前，對肺結節(jié)良惡性分類存在著很多難點。首先，肺結節(jié)和周圍血管、肌肉組織的灰度值十分接近，有的肺結節(jié)會粘連在血管、肺壁上，難以分割；其次，肺結節(jié)良惡性的區(qū)別特征不太明顯，有些惡性結節(jié)和良性結節(jié)的影像非常類似，結節(jié)的形態(tài)、密度千變?nèi)f化，有的血管和結節(jié)本身的毛刺特征十分類似，對分類是個很大的挑戰(zhàn)；最后，如何利用小樣本去構造效果較好的分類模型，也是需要攻克的研究難題。

國內(nèi)外已然涌現(xiàn)對肺結節(jié)分類的許多研究。Dhara等人[4]利用57個形狀和紋理混合的特征，利用傳統(tǒng)的支持向量機(Support Vector Machine, SVM)，使用871個來自肺部影像數(shù)據(jù)庫聯(lián)盟(Lung Image Database Consortium, LIDC)的肺結節(jié)，得到95.05%的分類準確度，但該方法特征過于稀少，并且容易產(chǎn)生過擬合。Kaya等人[5]利用病理和其它共155個特征與基于潛在狄利克雷分布(Latent Dirichlet Allocation, LDA)、支持向量機SVM、k近鄰(k-Nearest Neighbour, kNN)、提升方法(Adaboost)、隨機森林(Random Forest, RF)的集成分類器，對來自LIDC的2 635個肺結節(jié)進行分類，實驗結果表明RF和SVM分類器的分類效果要明顯好于LDA、Adaboost、kNN，比較貼近本文提出的算法，但是該方法卻需要大量的樣本進行訓練，并且也不適合樣本數(shù)目較少、而特征較多的肺結節(jié)分類。Zhao等人[6]放棄了傳統(tǒng)算法，采用靈活卷積神經(jīng)網(wǎng)絡對LIDC的743個肺結節(jié)進行分類，取得了82.2%的準確度，適用于小規(guī)模的數(shù)據(jù)庫和小的肺結節(jié)，但卻需要不斷地去優(yōu)化網(wǎng)絡的參數(shù)才能達到最好的性能，訓練比較費時。John等人[7]對肺結節(jié)的特征進行了大量研究[7]，使用基礎的閾值分割算法來體現(xiàn)特征的優(yōu)越性，分割效果較好。Li等人[8]利用深度卷積神經(jīng)網(wǎng)絡的新型算法對LIDC的40 772個肺結節(jié)、21 720個非肺結節(jié)進行訓練，取得了較好的結果，但是同時也表現(xiàn)出深度模型比傳統(tǒng)算法需要更多的數(shù)據(jù)、更長的時間去訓練的弊端。Li等人[9]提出了一種改進的RF算法分類肺結節(jié)，對LIDC的肺結節(jié)數(shù)據(jù)良惡性分類靈敏度取得了92%的業(yè)界領先數(shù)值，對廣州軍區(qū)總醫(yī)院的肺結節(jié)數(shù)據(jù)平均靈敏度也獲得了85%的較高結果值，說明RF對肺結節(jié)的分類是合理、且有效的，但該方法需要的數(shù)據(jù)集也十分龐大。

綜上論述可知，本文針對小樣本的胸部CT訓練圖像集，首先利用區(qū)域生長和形態(tài)學方法對肺結節(jié)CT圖像進行了自動分割，然后根據(jù)肺結節(jié)形成和發(fā)展的特點，提取了語義信息、形態(tài)學信息、圖像學信息組合成的肺結節(jié)良惡病理特征，最后利用改進的隨機森林作為分類器進行肺結節(jié)良惡性分類，從而達到輔助診斷的目的。

1 胸部CT圖像中肺結節(jié)特點研究

1.1 一般肺結節(jié)在CT圖像中的形態(tài)

肺結節(jié)通過皮樣細胞的堆積進行生長，一般由多核巨噬細胞、大量淋巴細胞組成，因此肺結節(jié)在CT圖像中通常呈現(xiàn)為一個高密度的灰白色類球體，如圖1所示，圖(a)、圖(b)、圖(c)分別展示了肺結節(jié)在橫向、側向、縱向上的切片影像，在這些切片影像中肺結節(jié)為一個實心圓，圖(d)展示了肺結節(jié)的3D立體形態(tài)，從模型中可以看出肺結節(jié)類似一顆肺中的小球，至此對肺結節(jié)有了感官上的認識。

圖1 一般肺結節(jié)在CT圖像中的形態(tài)

1.2 肺結節(jié)良惡性特點

良性肺結節(jié)和惡性肺結節(jié)雖然難以做到完全區(qū)分，但也有一些比較清晰的基于病理學、統(tǒng)計學的辨識特征。根據(jù)尺寸大小劃分，直徑小于5 mm的肺結節(jié)通常為良性結節(jié)，直徑大于等于15 mm的肺結節(jié)通常為惡性結節(jié)；根據(jù)分葉情況來區(qū)分，惡性結節(jié)通常沿各個方向生長的速度不一致，表面呈現(xiàn)凹凸結構分葉，越深的分葉惡性程度越高；根據(jù)鈣化特征來區(qū)分，良性結節(jié)通常呈現(xiàn)中心、分層、爆米花式的鈣化，鈣化面積較大、較均勻，因而亮度很高，惡性結節(jié)通常在邊緣呈針狀、小面積、形狀迥異的鈣化；根據(jù)球形程度劃分，一般來說良性結節(jié)球形程度較高，表面光滑，惡性結節(jié)球形程度較低，甚至發(fā)展成長條形，表面粗糙；根據(jù)毛刺多少來劃分，惡性結節(jié)表面通常有針尖狀的突起，像毛刷一樣密集分布，這是惡性結節(jié)的典型特征；根據(jù)密度來劃分，直徑大于8 mm的實性結節(jié)存在惡性的可能，直徑大于5 mm的密度極小(類似磨玻璃看不清楚)的磨玻璃結節(jié)存在更大的惡性的可能；根據(jù)空洞程度來劃分，惡性結節(jié)內(nèi)部通常會產(chǎn)生壞死、液化，并將這些液化物質通過痰的形式排出體外，造成結節(jié)內(nèi)空洞，空洞越嚴重說明惡化程度越高；根據(jù)邊界清晰程度劃分，一般肺結節(jié)周圍出現(xiàn)模糊的現(xiàn)象，就是癌細胞開始侵入良性肺結節(jié)引起一系列反應并開始長出毛刺造成的，這也是惡化的表現(xiàn)，邊界越模糊、惡化程度越高；根據(jù)位置劃分，位于肺上葉的肺結節(jié)惡性概率更高。經(jīng)典的良性肺結節(jié)和惡性肺結節(jié)如圖2所示。

圖2 經(jīng)典的良性肺結節(jié)(左)和惡性肺結節(jié)(右)切片圖像

Fig. 2 Benign pulmonary nodules (left) and malignant pulmonary nodules (right)

梅奧臨床人員提出了一個肺部結節(jié)惡性病變預測模型[10]，研究6個獨立的肺結節(jié)惡化因素，并可利用式(1)和式(2)計算出肺結節(jié)的惡性程度：

(1)

α=-6.827 2+(0.039 1×A)+(0.791 7×S)+(1.338 8×H)+(0.127 4×D)+(1.040 7×B)+(0.783 8×U) .

(2)

其中，e為自然對數(shù)；A為年齡(歲)；S為是否現(xiàn)在或者曾經(jīng)吸煙(是=1，否=0)；H為是否有5年以上的胸腔惡性腫瘤史(是=1，否=0)；D表示肺結節(jié)的直徑(mm)；B表示肺結節(jié)邊緣是否有毛刺特征(是=1，否=0)；U表示肺結節(jié)是否位于肺上葉(是=1，否=0)。從前文設計模型中可以看出，這些病理特征對于判斷肺結節(jié)的良惡性是非常有用的。

2 基于病理特征和改進隨機森林的肺結節(jié)分類算法

2.1 CT圖像中肺結節(jié)的分割

首先，提取肺結節(jié)區(qū)域。假設給定一幅CT圖像的所有橫向切片，以CT圖像左上角為原點，橫向向右為x軸，縱向向下為y軸建立坐標系，同時給定肺結節(jié)中心點(cx,cy)和肺結節(jié)所在切片did。定義以肺結節(jié)中心點為中心，中心點所在切片為中心切片，以2×NW+1個單位為寬，2×NW+1個單位為高，前后各PNUM個切片、即2×PNUM+1為長所構成的長方體為肺結節(jié)區(qū)域。尤需一提的是，研究中需要重視解決邊界問題。如果肺結節(jié)區(qū)域的寬、高超出CT圖像邊界，需要進行偏移處理，使得肺結節(jié)中心點和肺結節(jié)區(qū)域中心點重合。為表述方便，一幅CT橫向切片中取得的肺結節(jié)區(qū)域切片即如圖3所示，左圖假設y方向兩側都觸及了邊界，造成原本應該取得2×NW+1的高，只取得了陰影面積的高，陰影面積的中心點(cx’,cy’)未能與(cx,cy)重合，為了使二者逐漸接近、直至重合，需要將y1偏離一個off，y2偏離一個off，研究中推得的off的計算公式為：

offup=floor((2×NW+1)-(y2'-y1'+1)/2)，

(3)

offdown=ceil((2×NW+1)-(y2'-y1'+1)/2).

(4)

圖3 超出邊界示意圖(左)和進行偏移處理后(右)

Fig. 3 Beyond the boundary (left) and after the offset adjustment processing (right)

將提取的圖像由高灰度級(一般為-1 024～1 024)轉為標準灰度級(0～255)，并將超出邊界的區(qū)域設置為背景(0)，這樣就將肺結節(jié)基本分割出來了，粗分割完成。

然后以中心點(cx,cy)為種子，以2×NW+1為寬，2×NW+1為高，theta為灰度值相似度度量，肺結節(jié)區(qū)域中心切片進行區(qū)域生長，得到初步分割結果。然而結節(jié)旁邊灰度值相似的血管、肺組織等物質也可能被區(qū)域生長選中，因此需要以3×3的模板進行一次腐蝕和膨脹，去除周圍組織的連通性。腐蝕和膨脹只進行一次，這樣可以很好地避免毛刺等特征在腐蝕和膨脹的過程中被丟棄。最后再次進行區(qū)域生長，得到最終的肺結節(jié)分割結果。分割肺結節(jié)完整流程圖如圖4所示。

圖4 肺結節(jié)分割流程圖

Fig. 4 Flow chart of pulmonary nodule segmentation

2.2 肺結節(jié)病理特征的選擇和提取

基于前面的肺結節(jié)良惡性特點，首先可以提取出語義特征，詳述如下：

(1)圓形程度，表明肺結節(jié)類圓的程度，從長條形(圓=0)變化到橢圓形(圓=2)、再變化到圓形(圓=4)。通常惡性肺結節(jié)呈現(xiàn)長條形，良性肺結節(jié)呈現(xiàn)圓形。

(2)貼壁程度，表明肺結節(jié)和肺部組織粘連的程度，從完全獨立(貼=0)變化到完全粘連(貼=4)。

(3)毛刺突起程度，表明肺結節(jié)周圍針狀物質的粗細程度和數(shù)量，從無毛刺(毛=0)變化到有非常多細毛刺(毛=4)。通常惡性肺結節(jié)具有非常多細毛刺，良性肺結節(jié)則表面光滑。

(4)內(nèi)部空洞程度，表明肺結節(jié)內(nèi)部空洞的大小和數(shù)量，從無空洞(洞=0)變化到有非常多的大的空洞(洞=4)。通常惡性肺結節(jié)具有非常多的大的空洞，良性肺結節(jié)則實心的居多。

(5)固態(tài)程度，表明肺結節(jié)呈現(xiàn)固態(tài)的程度，從非固態(tài)(固=0)變化到固態(tài)(固=4)。通常惡性肺結節(jié)呈現(xiàn)液態(tài)，良性肺結節(jié)呈現(xiàn)固態(tài)。

(6)邊緣清晰程度，表明肺結節(jié)邊緣清晰的程度，從非常模糊(清=0)變化到非常清晰(清=4)。通常惡性肺結節(jié)邊緣模糊，良性肺結節(jié)邊緣清晰。

(7)分葉情況，表明肺結節(jié)分葉的數(shù)目和程度，從無分葉(葉=0)變化到有分葉(葉=4)。通常惡性肺結節(jié)有很深的分葉，而良性肺結節(jié)則均勻生長。

(8)切片均勻變化程度，表明肺結節(jié)的形狀是否規(guī)則，從完全隨機(均=0)變化到部分均勻(均=2)，最后到非常均勻(均=4)。通常惡性結節(jié)呈現(xiàn)不規(guī)則立方體導致切片圖像的尺寸、面積發(fā)生劇烈改變，良性結節(jié)從中心切片到兩側切片的尺寸和面積應該是從大到小均勻變化的。

其次，可以提取出一些形態(tài)學的數(shù)值特征，分述如下：

(1)坐標位置。表明肺結節(jié)在肺部的位置。位于肺上葉的肺結節(jié)惡性居多。

(2)切片位置。同樣表明肺結節(jié)在肺部的位置。

(3)尺寸?？赏ㄟ^肺結節(jié)占整個肺結節(jié)區(qū)域寬高面積的比例來計算，通常惡性肺結節(jié)尺寸較大，良性肺結節(jié)尺寸較小。研究推得數(shù)學公式如下：

(5)

(4)密度變化。表明肺結節(jié)的密度變化情況。通常良性肺結節(jié)密度變化較小，而惡性肺結節(jié)密度變化劇烈，通過灰度值的方差可以很好地反映這一情況，為了避免較少的灰度值產(chǎn)生較大的干擾，取[0.1×maxGrayLevel,maxGrayLevel]之間的灰度值進行方差計算，相應數(shù)學公式可表示為：

密度變化=var(肺結節(jié)灰度值向量) .

(6)

此外，也可以提取一些圖像學特征。諸如，haar特征，表明了肺結節(jié)邊界的變化情況，采用了5種模板生成的100個隨機長寬、隨機位置的haar特征，haar模板如圖5所示。而haar模板的生成算法可參考如下設計代碼。

圖5 5種haar模板

算法 1 haar特征模板隨機生成算法

[haarID,leftupx,leftupy,w] =genHaarTemplate(px,py,haarIDs)

num← 0;

FORi← 1:length(haarIDs)

ws←隨機抽取px×py矩形內(nèi)不重復的、基于haarID模板的、合法的寬度

FORj← 1:length(ws)

[leftupx,leftupy] ← 根據(jù)寬度、haarID模板，隨機抽取不重復的合法的左上角坐標

num←num+ 1;

rs(num) ← [haarIDs(i),leftupx,leftupy,ws(j)]

ENDFOR

ENDFOR

RETURNrs

最后，如果有良好條件可以獲取到一些臨床信息，也可以加入作為一部分特征，可對此表述如下：

(1)患病年齡。低于35歲的患者肺部的肺結節(jié)大多為良性。

(2)吸煙。吸煙者肺結節(jié)惡化的可能性高于非吸煙者10～20倍。

(3)性別。一般男性肺結節(jié)為惡性的人數(shù)高于女性。

(4)生活環(huán)境。生活環(huán)境如果遭受污染，比如經(jīng)常有PM2.5的天氣，那么肺結節(jié)為惡性的可能性很大。

綜合上述特征形成了肺結節(jié)的病理特征，見表1。

2.3 改進的隨機森林肺結節(jié)良惡性分類器

肺結節(jié)灰度值變化范圍較寬，為了避免haar特征對整個特征向量產(chǎn)生影響，并增加RF的穩(wěn)定性，針對肺結節(jié)的特點，本文提出一種加權的隨機森林(Weighted Random Forest, WRF)算法。將特征分為2部分，一部分為全部的語義特征、全部的形態(tài)特征、全部的臨床特征(可選)、haar特征α個，另一部分完全為haar特征β個，兩部分haar特征不重疊，分別訓練m組RF(記為MRF)和n組RF(記為NRF)。每組RF中有tn棵相互獨立的決策樹，采用有放回的抽樣形式處理訓練數(shù)據(jù)，并且在NRF中對β個haar特征也采用隨機抽取的方式，抽取fn(0.5tn

表1 肺結節(jié)病理特征

算法2 肺結節(jié)良惡性加權隨機森林分類器訓練算法

[WRF] =genHaarTemplate(trainFea,m,n,tn,fn,Δ,α,β)

[trainFeaM,trainFeaN] ←splitFea(trainFea,α,β)

FORi← 1:M

FORj←1:TN

dtm(i) ←trainCART(trainFeaM,Δ)

ENDFOR

ENDFOR

FORi← 1:N

FORj← 1:TN

[selNum,selTrainFeaN] ←randomSelectFea(trainFeaN);

dtn(i) ←trainCART(trainFeaM,Δ)

selNums(j) ←selNum

ENDFOR

ENDFOR

RETURN [dtm,dtn,selNums]

在測試階段，將提取出來的特征向量分別輸入所有的MRF、NRF的RF分類器中，假設Ymi是每組MRF的分類結果(概率形式)，Yni是每組NRF的分類結果(概率形式)，采用加權投票的方式獲得最終的分類結果Ci，為此將用到如下數(shù)學公式：

(7)

其中，Ci=0表示良性肺結節(jié)，Ci=1表示惡性肺結節(jié)。肺結節(jié)良惡性WRF的測試算法的運行設計參見如下。

算法3 肺結節(jié)良惡性加權隨機森林分類器測試算法

[C] =genHaarTemplate(testFea,WRF)

FORi← 1:M

Ym(i) ←testMRF(testFea,WRF{dtm});

ENDFOR

FORi← 1:N

testNFea←extFea(testFea,WRF{selNums})

Yn(i) ←testNRF(testFea,WRF{dtn})

ENDFOR

C← 0.5*sum(Ym) /M+ 0.5*sum(Yn) /N;

RETURNC

3 實驗結果與分析

3.1 實驗數(shù)據(jù)

本次實驗采用了Lungx肺結節(jié)分類挑戰(zhàn)賽(LUNGx SPIE-AAPM-NCI Lung Nodule Classification Challenge)的數(shù)據(jù)[12]，訓練數(shù)據(jù)來源于美國國家癌癥研究所(National Cancer Institute, NCI)2014年11月26日的癌癥影像檔案(The Cancer Imaging Archive , TCIA)[13]，一共10張胸部CT圖像，5名男性患者，5名女性患者，中位年齡65歲。5個良性肺結節(jié)，5個惡性肺結節(jié)，共10個肺結節(jié)，良惡性判斷結論是由多個放射科醫(yī)生根據(jù)病例評估和后續(xù)跟蹤檢查得出的。測試階段一共用到60張胸部CT圖像，23名男性患者，37名女性患者，平均年齡60.5歲。37個良性肺結節(jié)，36個惡性肺結節(jié)，共73個肺結節(jié)[14]。CT圖像以Dicom的格式保存，每張切片大小均為512×512像素，附帶肺結節(jié)的位置和良惡性判斷數(shù)據(jù)，統(tǒng)計結果見表2。

表2 訓練和測試CT圖像中的肺結節(jié)信息

Tab. 2 Pulmonary nodules informations for training and testing CT images

大賽的組織者精心設計了這些數(shù)據(jù)，良惡性比例都是被平衡過的，非常適合WRF算法。但同時也對分類帶來了挑戰(zhàn)，對此可做闡釋分析如下。

(1)訓練數(shù)據(jù)集非常少。

(2)包括肺結節(jié)的尺寸都是被平衡過的，惡性結節(jié)也會有很小的尺寸，良性結節(jié)也會有很大的尺寸，這是為了避免通過尺寸來構造簡單的分類器進行良惡性判斷，盡管這種尺寸判斷在實際應用中分類精確度很高[15]。

(3)DICOM頭文件信息不允許使用，無法使用包括性別、年齡在內(nèi)的分類特征，即便使用了也不會有太大效果，因為在性別和年齡上的數(shù)據(jù)也非常平衡。

3.2 實驗結果

設定前后切片數(shù)目PNUM=10，半寬NW=25，CT切片邊界MAXW=512，MAXH=512，theta=0.15，對肺結節(jié)圖像進行分割，分割的效果如圖6所示，左側為轉換灰度級后的圖像，還有很多粘連血管或者獨立血管影像。中間圖像為第一次區(qū)域生長后的圖像，還有一部分粘連血管沒有清除。右側為腐蝕膨脹運算后再次區(qū)域生長的圖像，可以看出粘連的血管已經(jīng)被分割掉，并且完整地保留了肺結節(jié)邊緣的形狀信息和內(nèi)部的灰度信息。

圖6 訓練圖像的圖像分割效果示意圖

設定α=30，β=70。訓練m=1組MRF，n=5組NRF，每個RF中產(chǎn)生tn=50棵樹，NRF中隨機選擇fn=[30,60]個haar特征，Δ=1，采用受試者工作特征曲線 (receiver operating characteristic curve, ROC)來對比直接使用隨機森林(所有參數(shù)一致)、使用SVM(所有參數(shù)一致)和本文提出的WRF算法的分類效果，如圖7所示。

圖7 ROC曲線對比圖

由圖7可以看出，使用相同數(shù)據(jù)、相同分割方法、相同特征的WRF相對于RF、SVM的效果都要好得多。使用相同數(shù)據(jù)的參賽者的曲線下面積(Area Under Curve，AUC)值范圍為[0.50, 0.68]，表3羅列了部分分類方法的AUC值，AUC在[0.60,0.68]區(qū)間內(nèi)的分類方法只有3組，而WRF的AUC值高達0.608 86，已經(jīng)達到很高的水平，并且遠遠優(yōu)于其中在分類器上同樣使用隨機森林算法進行分類的最高AUC值0.56[15]，說明了本算法的優(yōu)越性。

表3 相同數(shù)據(jù)集分類方法效果對比

Tab. 3 Comparison of the effect of classification methods on the same data set

編號分割方法分類器AUC值1基于體素分割SVM0.502區(qū)域生長WEKA0.503圖割RF0.564區(qū)域生長+形態(tài)學WRF(本文)0.615半自動閾值SVR0.68

4 結束語

本文提出了一種基于病理特征和改進隨機森林的肺結節(jié)良惡性分類方法，首先利用肺結節(jié)及其周圍組織的特性，采用灰度級轉換、兩步區(qū)域生長和一步形態(tài)學腐蝕膨脹將肺結節(jié)完整地分割出來，最大程度地保留了原始特征；然后逐步提取出語義信息、形態(tài)學信息、圖像學信息、臨床信息作為特征；最后為了充分利用這些小樣本高維度特征，提出了一種集成加權的改進隨機森林算法WRF。在Lungx數(shù)據(jù)集上的實驗結果表明，WRF算法相比于其它算法、尤其對于使用RF分類器的算法而言有更好的分類效果。在未來的工作中，需要提取更多在分割步驟中被忽略的特征，同時對比更多機器學習方法在肺結節(jié)良惡性分類上的效果，進一步探索WRF算法在肺結節(jié)輔助診斷中具有廣闊重要前景的各類技術研發(fā)及實踐應用。