专利名称：一种乳腺病变定量化影像评价系统及其应用方法
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，特别是乳腺钼耙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DF、肿瘤内部的生长异质性H、肿瘤包块化程度Cp。所述钙化形态特征参数主要包括药化斑点的种群密度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Yc、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Yc与临床影像形态数据(Dp、 H、 CP、 U、 V、 W)的回归方程YE二a氺DF+b丰H+c承Cp+dm+e承V+"W，其中 a、 b、 c、 d、 e、 f为回归权重系数，YE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Yc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^g承PfL/(SfR)^ + l1，其中g，h为回归权重系数，YE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Dp、肿物内部的异质性H、肿物 内部的包块化程度；(3) 弓l入临床参数，包括病情的临床诊断分级Yc(良性O级、恶性l、 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沖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Yc与临床影像形态数 据(Dp、 H、 Cp、 U、 V、 W)的回归方程<formula>formula see original document page 8</formula>其中a、 b、 c、 d、 e、 f为回归权重系数，ye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Ye〈1，预测结果为良性；当Ye〉1，预测结果为恶性，具体Ye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Yc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，Ye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Ye〈1,预测结果为良性；当Ye〉1，预测结果为恶性，具体Ye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Mediacybematics出品 的医学生物学行业图形处理软件Image-Pro Phis，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药化斑点的种群密度；钙化斑点区域的平均测度；最大与最小钙化斑的测度差异；转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 S加dio,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査。
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)的初歩方案的应用内容，引用图 l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YE=a* Dp +b *H +c* CP +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YfO，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。弓l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YE=a*Dp+b *H+c* CP+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YE=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，自动获取乳腺钼耙摄片的感兴趣区，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YE=a* Dp +b *H +c* CP +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YE=1.98，为恶性病变(乳腺癌)，恶性肿瘤细胞分级接近n 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-PmPlus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YE=a* Dp +b *H +c* CP +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YE=2.01，为恶性病变(乳腺癌)，恶性肿瘤细胞分级接近m级。临床病理结果乳腺癌，病理in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 Phis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转化特征 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YE=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YE=1.82，为恶性病变(乳腺癌)，恶性肿 瘤细胞分级接近n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，自动获取乳腺钼靴摄片的感兴趣区，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YE=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YE=3，为恶性病变(乳腺癌)，恶性肿瘤细 胞分级接近HI级。临床病理结果乳腺癌，病理m级。影像评价结果与病理 结果相符，与病理分级一致。
权利要求
1、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，其特征在于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。
2、 根据权利要求1所述的乳腺病变定量化影像评价系统，其特征在于所述 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。
3、 根据权利要求2所述的乳腺病变定量化影像评价系统，其特征在于所述 肿瘤细胞生长扩散形态特征参数包括肿瘤边界几何分形维DF、肿瘤内部的生长 异质性H、肿瘤包块化程度Cp。
4、 根据权利要求2所述的乳腺病变定量化影像评价系统，其特征在于所述 钙化形态特征参数包括钙化斑点的种群密度P、鈣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。
5、 根据权利要求2所述的乳腺病变定量化影像评价系统，其特征在于所述 临床参数包括病情的临床诊断分级Yc、乳腺病史、乳头溢液U、年龄V、哺育 史W。
6、 根据权利要求3或4或5所述的乳腺病变定量化影像评价系统，其特征 在于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Yc与临床影像形态数据(DF、 H、 Cp、 U、 V、 W)的回归方程YE=a* Dp +b *H +c* CP +d*U+e*V+f*W，其中a、 b、 c、 d、 e、 f为回归权重系数，YE是预测性病理分级。
7、 根据权利要求3或4或5所述的乳腺病变定量化影像评价系统，其特征 在于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Yc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YE=g* P*L/(S*R)1/2 + h，其中g， h为回归权重系数，YE是预测性病理分级。
8、 一种乳腺病变定量化影像评价系统的应用方法，其特征在于具体包括如 下歩骤(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Dp、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Yc(良性O级、恶性l、 2、 3级)，乳腺病史、乳头溢液U、年龄V、哺育史W;(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Yc与临床影像形态数据(DF、 H、 Cp、 U、 V、 W)的回归 方程YE=a* Dp +b *H +c* CP +d*U+e*V+f*W，其中a、 b、 c、 d、 e、 f为回归权重系数，YE是预测性病理分级。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) 得出肿瘤良恶性预测数值，以及肿瘤细胞分级预测值； 或是，经过步骤(1)获取病灶区/感兴趣区，转为如下步骤实现(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Yc与各钙化影像形态特征参数的多因素非线性回归方程 YE=g*K+h，其中g、 h为回归权重系数，该回归方程揭露病情与钙化形态因子 之间的量化关系；(8) 根据感兴趣区的钙化参数定量分析，得出肿瘤良恶性预测数值，以及 肿瘤细胞分级预测值。
9、 根据权利要求8所述的乳腺病变定量化影像评价系统的应用方法，其特 征在于步骤(1)、 (2)、 (6)的图形处理软件采用Mediacybematics出品的医学 生物学行业图形处理软件Image-Pro Plus,而歩骤(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。
10、 根据权利要求8或9所述的乳腺病变定量化影像评价系统的应用方法， 其特征在于采用Microsoft的软件开发平台Visual S加dio,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。
全文摘要
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。
文档编号G06F19/00GK101234026SQ200810026678
公开日2008年8月6日 申请日期2008年3月7日 优先权日2008年3月7日
发明者刘立志, 别梦杰, 崔春艳, 立 李, 李婵婵, 邵元智, 钟伟荣, 陈第虎 申请人:立 李