一种乳腺病变定量化影像评价系统及其应用方法

摘要

本发明提供一种乳腺病变定量化影像评价系统及其应用方法，其采用分形技术以及图形分析手段应用于肿瘤医学影像分析及肿瘤病情的危险率评估中，建立并采用了乳腺病变细胞生长扩散的非线性数据模型，所述非线性数据模型包含了乳腺肿瘤细胞生长扩散形态特征参数、钙化形态特征参数以及临床参数。本发明的乳腺病变定量化影像评价系统，应用了乳腺病变细胞生长扩散的非线形数据模型，包含了乳腺肿瘤细胞生长扩散定量参数、钙化参数以及临床参数，计算出乳腺钼靶片病变的良恶性预测数值，以及肿瘤细胞分级预测值，可广泛应用于乳腺钼靶影像诊断和乳腺摄片普查。

说明书

                    技术领域

本发明属于乳腺病的医疗诊断器械，特别是涉及一种应用于乳腺钼靶照片定量化影像评价系统，以及该系统的应用。

                    技术背景

乳腺影像学检查，特别是乳腺钼靶摄片为乳腺肿瘤的诊断、分期、疗效评价的判断提供重要依据，已应用于乳腺普查。遗憾的是在当前临床诊断中，常规影像诊断仅仅局限于肿瘤尺度大小及简单形状因子的测量和一些定性评估，在临床应用中缺乏定量化影像评价指标。随着医学图像定量分析技术的不断提高，在肿瘤的基础研究中也需要通过图像定量分析来评价不同肿瘤类别的生长与扩散特征。特别是分形概念被更多的研究者接受，分形技术以及相关的图形分析手段逐渐被应用到多种肿瘤医学影像分析及肿瘤病情的危险率评估中来，并取得了一些对肿瘤基础理论研究及临床诊断有重要参考价值的结果。从分形数学和非线性物理的角度来看，肿瘤边界轮廓的分形维数是表征肿瘤生长扩散后的边界轮廓的复杂性、肿瘤与周边组织交流之开放性的特征参数。然而，要说明肿瘤内部的扩散与生长行为，上述的有关边界轮廓的分形维数分析显然是不足的，至少它还未揭示出肿瘤内部所包含的一些重要信息，如肿瘤内部的异质性程度及肿物包块化的程度。

良恶性肿瘤存在不同的扩散与生长方式。本发明考查乳腺肿瘤生长扩散参数，如边界轮廓分形维、肿瘤内部的异质性及包块化程度等，并综合乳腺病变钙化特征，及临床特征性征象，提供一种简洁有效的实用性肿瘤影像量化评估方法，计算出肿瘤良恶性预测数值，以及肿瘤细胞分级预测值，供临床参考。

                    发明内容

本发明的目的在于克服现有乳腺钼靶片影像诊断缺乏定量化评价指标的问题，提供一种乳腺病变定量化影像评价系统，该定量化影像评价系统可对乳腺钼靶片图像进行定量化分析，提供乳腺病变良恶性预测值，以及肿瘤细胞分级预测值。

本发明的另一个目的是提供上述乳腺病变定量化影像评价系统的应用。

为了实现发明目的一，采用的技术方案如下：

一种乳腺病变定量化影像评价系统，其采用分形技术以及图形分析手段应用于肿瘤医学影像分析及肿瘤病情的危险率评估中，建立并采用了乳腺病变细胞生长扩散的非线性数据模型，所述非线性数据模型包含了乳腺肿瘤细胞生长扩散形态特征参数、钙化形态特征参数以及临床参数。

上述技术方案中，肿瘤细胞生长扩散形态特征参数的权重比为0.1～1.0，钙化形态特征参数的权重比为0.1～1.0；临床病理分级参数的权重比为0.1～1.0。

所述肿瘤细胞生长扩散形态特征参数主要包括肿瘤边界几何分形维D_F、肿瘤内部的生长异质性H、肿瘤包块化程度C_P。

所述钙化形态特征参数主要包括钙化斑点的种群密度P、钙化斑点区域的平均测度S、最大与最小钙化斑的测度差异R、钙化斑分布的完整区域的最小等效园测度L。

所述临床参数主要包括病情的临床诊断分级Y_C、乳腺病史、乳头溢液U、年龄V、哺育史W。

本发明所述非线性数据模型包括多因素线性拟合回归数学建模，通过对肿瘤细胞生长扩散形态特征参数和临床参数进行不同权重分析，筛选出最能符合临床病情数据的回归方程，得到基于临床病理分级Y_C与临床影像形态数据(D_F、H、C_P、U、V、W)的回归方程Y_E＝a*D_F+b*H+c*C_P+d*U+e*V+f*W，其中a、b、c、d、e、f为回归权重系数，Y_E为预测性病理分级。

本发明所述非线性数据模型还包括多因素非线性拟合回归数学建模，通过对钙化形态特征参数和临床参数进行不同权重分析，筛选出最能符合临床病情数据的回归方程，得到基于临床病理分级Y_C与各钙化影像形态特征参数(P、L、S、R)的多因素非线性回归方程Y_E＝g*P*L/(S*R)^1/2+h，其中g，h为回归权重系数，Y_E为预测性病理分级。

为了实现发明目的二，采用的技术方案如下：

一种乳腺病变定量化影像评价系统的应用方法，具体包括如下步骤：

(1)使用图形处理软件对临床乳腺钼靶摄片进行预处理，统一图像的灰度标准，采取手动或者自动方式获取乳腺钼靶摄片的病灶区/感兴趣区；

(2)计算经预处理后的感兴趣区的肿瘤细胞生长扩散形态特征参数，参数包括肿物与正常组织之间的边界的几何分形维D_F、肿物内部的异质性H、肿物内部的包块化程度；

(3)引入临床参数，包括病情的临床诊断分级Y_C(良性0级、恶性1、2、3级)，乳腺病史、乳头溢液U、年龄V、哺育史W；

临床参数还包括触诊包块权重系数、乳腺皮肤改变权重系数、乳头凹陷权重系数等；

(4)采用统计软件对(2)、(3)中所述内容进行多因素线性拟合回归数学建模，通过对肿瘤生长扩散形态特征参数和临床参数进行不同权重分析，筛选出能最好符合临床病情数据的回归方程，得到基于临床病理分级Y_C与临床影像形态数据(D_F、H、C_P、U、V、W)的回归方程：

Y_E＝a*D_F+b*H+c*C_P+d*U+e*V+f*W，

其中a、b、c、d、e、f为回归权重系数，Y_E为预测性病理分级。该回归方程揭露病情与肿瘤生长扩散影像形态特征参数之间的量化关系；

(5)得出根据肿瘤内部及外部形态特征综合反映的肿瘤良恶性预测数值，以及肿瘤细胞分级预测值：

当Y_E＜1，预测结果为良性；当Y_E＞1，预测结果为恶性，具体Y_E数值为预测恶性分级等级。

(6)计算经预处理后的感兴趣区的钙化形态特征参数，参数包括钙化斑点的种群密度P、钙化斑点区域的平均测度S、最大与最小钙化斑的测度差异R、钙化斑分布的完整区域的最小等效园测度L，由P、S、R、L四项参数计算出相应的钙化形态因子K＝P*L/(S*R)^1/2；

(7)采用统计软件对(3)、(6)中所述内容进行多因素非线性拟合回归数学建模，通过对肿瘤钙化形态因子和临床参数进行不同权重分析，筛选出能最好符合临床病情数据的回归方程，得到：

基于临床病理分级Y_C与各钙化影像形态特征参数的多因素非线性回归方程Y＝g*K+h，其中g、h为回归权重系数，Y_E为预测性病理分级。该回归方程揭露病情与钙化形态因子之间的量化关系；

(8)得出根据肿瘤钙化特征综合反映的肿瘤良恶性预测数值，以及肿瘤细胞分级预测值：

当Y_E＜1，预测结果为良性；当Y_E＞1，预测结果为恶性，具体Y_E数值为预测恶性分级等级。

本发明的步骤(1)、(2)、(6)的图形处理软件采用Mediacybernatics出品的医学生物学行业图形处理软件Image-Pro Plus，而步骤(4)、(7)采用的统计软件为SPSS，数学建模的基本算法为最小二乘法。

本发明的应用方法的实现中，其中步骤(1)到步骤(5)也可以构成一个初步的方案实现乳腺病变定量化影像评价，步骤(1)和(6)、(7)、(8)也可以构成另一个初步方案实现，本发明通过两个方案的组合，可以实现最佳的技术效果。

进一步的，步骤(4)所述的运算方程包括以下参数的权重比：

肿瘤细胞生长扩散形态特征参数：肿瘤边界几何分形维参数；肿瘤包块化程度参数；肿瘤内部异质性参数。

肿瘤细胞钙化形态特征参数：钙化斑点的种群密度；钙化斑点区域的平均测度；最大与最小钙化斑的测度差异；钙化斑分布的完整区域的最小等效园测度。

临床参数：年龄；乳头溢液史；哺乳史。

本发明采用Microsoft的软件开发平台Visual Studio，将步骤(1)至(8)涉及的整个应用过程进行编程，开发出与Windows操作系统兼容的图形界面的应用软件包。

本发明的有益效果在于：

本发明的乳腺病变定量化影像评价系统，应用了乳腺病变细胞生长扩散的非线形数据模型，包含了乳腺肿瘤细胞生长扩散定量参数、钙化参数以及临床参数，计算出乳腺钼靶片病变的良恶性预测数值，以及肿瘤细胞分级预测值，可广泛应用于乳腺钼靶影像诊断和乳腺摄片普查。

                        附图说明

图1是实施例的良性肿瘤及恶性肿瘤边界示意图，其中左边图像为良性肿瘤，右边为恶性肿瘤；

图2为良性肿瘤及恶性肿瘤的2维及3维影像示意图，其中左边图像为良性肿瘤，右边为恶性肿瘤；

图3乳腺肿瘤的三种典型钙化特征影像图。

                            具体实施方式

下面通过实施例对本发明做进一步的说明。

其中实施例1～4，涉及到步骤(1)～(5)的初步方案的应用内容，引用图1及图2做辅助性说明。

实施例1：

使用Image-Pro Plus软件，自动获取乳腺钼靶摄片的良性及恶性肿瘤感兴趣区，其中肿瘤边界轮廓参见如图1所示；肿瘤的二维及三维影像参见图2。使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数：分形维值为1.14399；肿瘤内部异质性值为0.02818。引入临床参数：年龄46岁；乳腺病史(无)；哺乳史(有)。采用线性回归方程：Y_E＝a*D_F+b*H+c*C_P+d*U+e*V+f*W，通过运算，对肿瘤细胞生长扩散定量参数和临床参数进行不同权重，得出肿瘤良恶性预测数值为Y_E＝0，为良性病变。临床病理结果：良性乳腺纤维腺瘤。影像评价结果与病理结果相符。

实施例2：

使用Image-Pro Plus软件，自动获取乳腺钼靶摄片的感兴趣区，所处理的图形类似实施例1中所述的图1图2，使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数：分形维值为1.17089；肿瘤内部异质性值为0.1783。引入临床参数：年龄45岁；乳腺病史(无)；哺乳史(有)。采用线性回归方程：Y_E＝a*D_F+b*H+c*C_P+d*U+e*V+f*W，通过运算，对肿瘤细胞生长扩散定量参数和临床参数进行不同权重，得出肿瘤良恶性预测数值为Y_E＝1，为恶性病变(乳腺癌)，恶性肿瘤细胞分级接近I级。临床病理结果：乳腺癌，病理I级。影像评价结果与病理结果相符，与病理分级一致。

实施例3：

使用Image-Pro Plus软件，自动获取乳腺钼靶摄片的感兴趣区，使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数：分形维值为1.19336；肿瘤内部异质性值为0.53494。引入临床参数：年龄50岁；乳腺病史(有)；哺乳史(有)。采用线性回归方程：Y_E＝a*D_F+b*H+c*C_P+d*U+e*V+f*W，通过运算，对肿瘤细胞生长扩散定量参数和临床参数进行不同权重，得出肿瘤良恶性预测数值为Y_E＝1.98，为恶性病变(乳腺癌)，恶性肿瘤细胞分级接近II级。临床病理结果：乳腺癌，病理II级。影像评价结果与病理结果相符，与病理分级极近似。

实施例4：

使用Image-Pro Plus软件，自动获取乳腺钼靶摄片的感兴趣区，所处理的图形类似实施例1中所述的图1图2，使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数：分形维值为1.22169；肿瘤内部异质性值为0.27416。引入临床参数：年龄45岁；乳腺病史(有)；哺乳史(有)。采用线性回归方程：Y_E＝a*D_F+b*H+c*C_P+d*U+e*V+f*W，通过运算，对肿瘤细胞生长扩散定量参数和临床参数进行不同权重，得出肿瘤良恶性预测数值为Y_E＝2.01，为恶性病变(乳腺癌)，恶性肿瘤细胞分级接近III级。临床病理结果：乳腺癌，病理III级。影像评价结果与病理结果大致相符，与病理分级基本近似。

实施例5～6，涉及到步骤(1)、(6)～(8)的方案应用内容，引用图3做辅助性说明。

实施例5：

使用Image-Pro Plus软件，自动获取乳腺钼靶摄片的感兴趣区，其中钙化斑形态特征参见图3所示。使用Image-Pro Plus软件计算感兴趣区的肿瘤钙化特征参数：钙化斑点的种群密度P＝137；钙化斑点区域的平均测度S＝2.42；最大与最小钙化斑的测度差异R＝12.076；钙化斑分布的完整区域的最小等效园测度L＝233.9。采用非线性回归方程：Y_E＝g*P*L/(S*R)^1/2+h，计算钙化因子值为：0.2133。得出肿瘤良恶性预测数值为Y_E＝1.82，为恶性病变(乳腺癌)，恶性肿瘤细胞分级接近II级。临床病理结果：乳腺癌，病理II级。影像评价结果与病理结果相符，与病理分级比较近似。

实施例6：

使用Image-Pro Plus软件，自动获取乳腺钼靶摄片的感兴趣区，其中钙化斑形态特征参见图3所示。使用Image-Pro Plus软件计算感兴趣区的肿瘤钙化特征参数：钙化斑点的种群密度P＝355；钙化斑点区域的平均测度S＝1.266；最大与最小钙化斑的测度差异R＝6.706；钙化斑分布的完整区域的最小等效园测度L＝194.2。采用非线性回归方程：Y_E＝g*P*L/(S*R)^1/2+h，计算钙化因子值为：0.2561。得出肿瘤良恶性预测数值为Y_E＝3，为恶性病变(乳腺癌)，恶性肿瘤细胞分级接近III级。临床病理结果：乳腺癌，病理III级。影像评价结果与病理结果相符，与病理分级一致。