计算机纹理分析在超声诊断中的应用
作者：姚炜 赵玉华
单位：200433 上海， 长海医院超声科
关键词：
中华超声影像学杂志990220 纹理(texture)就是花纹， 定义为： 规律性或随机性重复显示的某种图像基元[1]。 六十年代初， 人造卫星发回了太空及地球表面的卫星照片， 其中包含大量纹理信息， 如海浪的波长越长， 其纹理就越粗。 人们用计算机技术研究纹理， 于是诞生了计算机纹理分析。 八十年代以后， 计算机纹理分析技术向各个领域广泛渗透， 由于人体实质性脏器的超声切面图像具有比较清晰的纹理结构， 为此超声纹理的研究悄然兴起。
计算机纹理分析方法
超声图像的计算机纹理分析属于后处理的辅助诊断方法。 计算机内处理的是数字信号， 多数超声切面图像为模拟信号， 因此一般都需要专门的计算机系统对超声切面图像进行采集， 经模-数转换， 并用特定的格式进入计算机， 然后再用计算机程序对图像特征进行分析。
, 百拇医药
计算机纹理分析的算法在超声诊断中的应用
计算机纹理分析的算法很多， 用于超声诊断有以下四种：
一、 灰阶直方图
1. 概念： 在数字图像中， 单色图像的灰度分成64个等级， 用0～63之间的数字表示， 数字越大表示的灰度越浅。 灰阶直方图是对单位区域的像素点作一统计， 然后用二维坐标图形式显示结果， 横坐标表示灰度值， 由左向右逐渐升高， 纵坐标表示某灰度值的像素数占该区域像素数的百分比。
2. 常用参数： ①灰度均数(the mean)： 取样区域内各点灰度值的均数。 该区域回声强， 均数大；回声弱， 均数小。 ②灰度标准差(the standard deviation)： 表示灰度均数两侧灰度值分散程度的量。 各点的灰度值相近， 标准差小； 灰度值差异大， 标准差大。 ③扭曲度(the skewness)： 反映直方图对称性的量， 该值为正时表示直方图分布偏右， 为负时偏左。④熵(the entropy)： 反映直方图灰度分布中混乱程度的量[2]， 取样区内各种灰度的点都出现， 而且点数相近时， 熵值较小； 各种灰度的点出现多少不一， 且各种灰度点出现的概率相差较大时， 熵值较大。
, 百拇医药
3. 临床意义： 直方图的参数中， 灰度均数应用最多。 心肌炎、 心肌纤维化、 心肌缺血、 心肌淀粉样变性、 糖尿病患者的心肌、 肝内大量脂肪堆积时， 其灰度均数都高于正常[3，4]。 宫内发育迟缓的胎儿， 其肝脏的灰度均数则多低于肠[5]。 而炎性淋巴结肿大的灰度均数高于肿瘤转移性淋巴结[6]。 甲状腺乳头状腺癌的灰度均数低于滤泡状腺癌。
灰度均数为超声诊断提供了定量依据，但仪器、 人体组织透声情况等因素影响结果的准确性。
标准差、 扭曲度、 熵的应用范围也很广， 如肝脏、 心脏、 甲状腺等[7]， 但阳性结果不太多。 研究发现甲状腺乳头状腺癌的标准差比滤泡状腺瘤高[6]， 而在心肌炎时心肌的熵值比正常低[2]。
直方图不能反映像素点的排列特征， 不能提示图像的局部改变和微小结构。
, http://www.100md.com
二、 灰度共生矩阵
1. 概念： 设图像中的每一点和它右侧相距为某一定值d的另一点为一对相关的点对， 画一个二维数组， 或称矩阵， 数组的行对应点对中前点的灰度值， 由上向下依次增高； 数组的列对应点对中后点的灰度值， 由左向右依次增高。 用该数组对图像中的点对按其灰度值作一统计， 如某一个点对前点的灰度值为5， 后点的灰度值为16， 则在数组第5行第16列上加1； 另一点对前点的灰度值为35， 后点的灰度值为40， 则在数组第35行第40列上加1。 这样， 这个数组最终记录了图像中各种点对出现的次数。 按总出现次数100%， 把各种点对出现的次数换算成百分数， 即出现概率， 就得到了一个标准的灰度共生矩阵， 其形成过程见下图。
图a 具有特征纹理的模式图像 设图中灰度值只有1，2，3三种等级， 水平向右每隔2点为一点对， 可见点对中前后点的灰度值均相同
, 百拇医药
若点对的间距d由右向左， 或由上向下， 或在360度平面内按任一角度θ变化， 灰度共生矩阵也随之变化， 故同一图像的灰度共生矩阵有很多个。 若间距d与图像纹理的基元大小相近， 前后点的灰度值就出现重复， 灰度共生矩阵的分布主要集中于对角线附近， 如图a中， 图像基元每隔2重复一次， 当d为2时， 图f中灰度共生矩阵中的值全部在对角线上。 若图像的纹理很细， 灰度共生矩阵的分布则比较分散。
b c d e f
图b-f 标准灰度共生矩阵的形成 图b为初始化的灰度共生矩阵， 其内的值全为0。 图c为检测到第一个点对时的灰度共生矩阵， 即检测图像第1点与第4点， 其灰度值均为1， 则在矩阵第一行第一列上加1。 图d为检测到第二个点对时的灰度共生矩阵， 即检测图像第2点与第5点， 其灰度值均为3， 则在矩阵第三行第三列上加1。 图e为完成全部图像素点统计后的矩阵， 图a中前后点的灰度值均为1的点对有22个， 灰度值均为2的点对有6个， 灰度值均为3的点对有12个， 没有前后点的灰度值为其他值的点对。 图f为该模式图像的标准灰度共生矩阵， 22对应的概率为55%， 6对应的概率为15%， 12对应的概率为30%
, 百拇医药
2. 应用参数： 灰度共生矩阵的参数中用得最多的是对比度和熵。 ①对比度(the contrast)： 反映图像点对中前后点间灰度差的量。 灰度差大的点对大量出现对比度则增大， 图像较粗糙， 反之图像较柔和。 ②熵(the entropy)： 熵值表示灰度共生矩阵中各种灰度值点对出现的混乱程度。 各种灰度值的点对均出现， 且出现的概率相近时， 熵值较小， 反之， 各种灰度值的点对出现的概率差异很大时，熵值较大[8]。
3. 临床意义： 据报道， 心肌炎及心肌纤维化时心肌图像的对比度升高[3]。 在乳腺肿瘤的诊断中运用这两个参数可以将78%的纤维腺瘤、 73%的囊肿和91%的纤维囊性结节从乳癌中区分出来[8]。
三、 游程长度分析
1. 概念与方法： 游程长度是指连续共线且有同一灰度值或灰度段值的点数。 游程长度由三个要素构成： ①游程检测的方向； ②连续共线各点的灰度值； ③连续共线的点数， 即游程长度。 如果由左向右逐点、 由上向下逐行地检测图像的游程长度。 设图像第一行的前三点灰度值均为5， 第四点的灰度值为10， 而第五点的灰度值为16。 因此第一个游程长度的灰度值为5， 游程长度为3。 第二个游程长度的灰度值为10， 游程长度为1……，可建立一个二维数组(矩阵)。 数组的行对应游程长度的大小， 由上向下逐渐增大； 列对应游程长度的灰度值由左向右逐渐增大。 用该数组记录游程长度的检测结果， 每检测一个游程长度， 就在数组对应行和列的交叉上加1……， 若改变游程长度的检测方向， 数组的信息也随着改变， 故同一图像的游程长度检测结果也有很多个。
, http://www.100md.com
游程长度分析的参数从记录结果的数据数组中计算得到， 纹理粗的图像游程较长， 有方向性的纹理在某一角度游程较长。
2. 临床意义： 心肌的超声纹理有鲜明的方向性， 故游程长度分析多用于心肌疾病， 有助于心脏移植后急性排斥反应的诊断[7]， 可区分心脏排斥反应与心肌水肿， 也可区分心肌淀粉样变性、 心肌肥大与正常心肌， 并能描述心肌炎时心肌纹理的特征性变化。 我国的学者将游程长度分析用于肝脏研究， 可区分肝硬化与正常肝[9]。
四、 富立叶功率谱分析
任何一个不规则的周期性函数都可以分解成一系列基本和简单的正弦函数的形式， 这就是富立叶变换。 超声医学中用富立叶变换来分析多普勒信号。 由于单幅图像可看作一个周期为无限长的周期性函数， 因此对超声图像也可进行富立叶变换， 富立叶功率谱就是利用二维富立叶变换的方法把超声图像的视觉信息变换成频率振幅信息， 谱中低频信号在中央， 高频信号在四周。 如果超声图像的纹理较粗， 则富立叶功率谱信号多集中在中央， 而超声图像纹理较细时， 富立叶功率谱信号多集中在四周。 曾有学者报道富立叶功率谱能区分正常甲状腺与甲状腺炎[10]。
, http://www.100md.com
总之， 作者认为： 迄今超声诊断除血流速度多普勒定量检测外， 二维图像主要以人为判断为诊断标准， 其最大的缺点是只能定性不能定量。 任何纤维化回声均增强， 但增到多强算纤维化? 肝区点状回声粗有肝硬化的可能， 但粗到什么程度才是肝硬化? 恶性肿瘤的回声是不均匀的， 但程度如何， 缺乏定量标准。 计算机纹理分析直接以图像的灰度值为依据进行科学的计算和分析， 用较准确的量化标准， 为检查者的判断提供定量的依据， 从而增加了科学性， 如用熵值测量不均匀度， 用游程长度分析纹理粗细等。 因此计算机纹理分析以其准确性和客观性克服了人为判断的模糊性和主观性，显示了强劲的发展势头， 无疑将大大提高超声诊断的准确性。
目前计算机纹理分析还有着发展中的困难。 首先， 它受仪器调节和超声所经组织的影响， 尤其是超声仪发射功率和增益的调节， 对纹理分析的影响较大； 其次许多超声图像的视觉纹理很清楚， 但却没有与之相应的数据标准； 再次， 人体的各个脏器与组织都有其特定的纹理， 必须寻找特定的纹理描述方法。 但用计算机辅助超声诊断是超声医学发展的一个方向， 随着计算机技术的不断发展， 这项技术走向临床应用已为期不远。
, http://www.100md.com
参考文献
1 Krasner BH, Garra BS, Mun SK. US tissue characterization workstation： applications and design. Radiographics, 1994,14：1415-1422.
2 Ferdeghini EM, Pinamonti B, Picano E, et al. Quantitative texture analysis in echocardiography： application to the diagnosis of myocarditis. J Clin Ultrasound, 1991,19：263-270.
3 Lieback E, Hardouin I, Meyer R, et al. Clinical value of echocardiographic tissue characterization in the diagnosis of myocarditis. Eur Heart J, 1996,17：135-142.
, http://www.100md.com
4 Layer G, Zuna I, Lorenz A, et al. Computerized ultrasound B-scan texture analysis of experimental fatty liver disease: influence of total lipid content and fat deposit distribution. Ultrason Imaging, 1990,12：171-188.
5 Murao F. Relationship between fetal growth and echogenicity of the fetal liver. Gynecol Obstet Invest, 1991, 32：20-23.
6 Glaser F, Layer G, Zunal I, et al. Preoperative assessment of perirectal lymph nodes by ultrasound. Chirurg, 1990,61：587-591.
, 百拇医药
7 Lieback E, Meyer R, Nawrocki M, et al. Noninvasive diagnosis of cardiac rejection through echocardiographic tissue characterization. Ann Thorac Surg, 1994,57：1164-1170.
8 Carra BS, Krasner BH, Horii SC, et al. Improving the distinction between benign and malignant breast lesions: the value of sonographic texture analysis. Ultrason Imaging, 1993,15：267-285.
9 李玉兰. 肝脏病变的声衰减系数与纹理参数的测定. 中国超声医学杂志， 1992，8(6)：411-413.
10 Katoh C, Nakada K, Kishimoto R, et al. Quantitative image feature analysis of echographic textures using the normalized first moment of the power spectra: comparision of normal thyroid with chronic thyroiditis. Nippon Igaku Hoshasen Gakkai Zasshi, 1995,55：902-907.
(收稿 1998-05-05 修回 1998-10-25), http://www.100md.com
单位：200433 上海， 长海医院超声科
关键词：
中华超声影像学杂志990220 纹理(texture)就是花纹， 定义为： 规律性或随机性重复显示的某种图像基元[1]。 六十年代初， 人造卫星发回了太空及地球表面的卫星照片， 其中包含大量纹理信息， 如海浪的波长越长， 其纹理就越粗。 人们用计算机技术研究纹理， 于是诞生了计算机纹理分析。 八十年代以后， 计算机纹理分析技术向各个领域广泛渗透， 由于人体实质性脏器的超声切面图像具有比较清晰的纹理结构， 为此超声纹理的研究悄然兴起。
计算机纹理分析方法
超声图像的计算机纹理分析属于后处理的辅助诊断方法。 计算机内处理的是数字信号， 多数超声切面图像为模拟信号， 因此一般都需要专门的计算机系统对超声切面图像进行采集， 经模-数转换， 并用特定的格式进入计算机， 然后再用计算机程序对图像特征进行分析。
, 百拇医药
计算机纹理分析的算法在超声诊断中的应用
计算机纹理分析的算法很多， 用于超声诊断有以下四种：
一、 灰阶直方图
1. 概念： 在数字图像中， 单色图像的灰度分成64个等级， 用0～63之间的数字表示， 数字越大表示的灰度越浅。 灰阶直方图是对单位区域的像素点作一统计， 然后用二维坐标图形式显示结果， 横坐标表示灰度值， 由左向右逐渐升高， 纵坐标表示某灰度值的像素数占该区域像素数的百分比。
2. 常用参数： ①灰度均数(the mean)： 取样区域内各点灰度值的均数。 该区域回声强， 均数大；回声弱， 均数小。 ②灰度标准差(the standard deviation)： 表示灰度均数两侧灰度值分散程度的量。 各点的灰度值相近， 标准差小； 灰度值差异大， 标准差大。 ③扭曲度(the skewness)： 反映直方图对称性的量， 该值为正时表示直方图分布偏右， 为负时偏左。④熵(the entropy)： 反映直方图灰度分布中混乱程度的量[2]， 取样区内各种灰度的点都出现， 而且点数相近时， 熵值较小； 各种灰度的点出现多少不一， 且各种灰度点出现的概率相差较大时， 熵值较大。
, 百拇医药
3. 临床意义： 直方图的参数中， 灰度均数应用最多。 心肌炎、 心肌纤维化、 心肌缺血、 心肌淀粉样变性、 糖尿病患者的心肌、 肝内大量脂肪堆积时， 其灰度均数都高于正常[3，4]。 宫内发育迟缓的胎儿， 其肝脏的灰度均数则多低于肠[5]。 而炎性淋巴结肿大的灰度均数高于肿瘤转移性淋巴结[6]。 甲状腺乳头状腺癌的灰度均数低于滤泡状腺癌。
灰度均数为超声诊断提供了定量依据，但仪器、 人体组织透声情况等因素影响结果的准确性。
标准差、 扭曲度、 熵的应用范围也很广， 如肝脏、 心脏、 甲状腺等[7]， 但阳性结果不太多。 研究发现甲状腺乳头状腺癌的标准差比滤泡状腺瘤高[6]， 而在心肌炎时心肌的熵值比正常低[2]。
直方图不能反映像素点的排列特征， 不能提示图像的局部改变和微小结构。
, http://www.100md.com
二、 灰度共生矩阵
1. 概念： 设图像中的每一点和它右侧相距为某一定值d的另一点为一对相关的点对， 画一个二维数组， 或称矩阵， 数组的行对应点对中前点的灰度值， 由上向下依次增高； 数组的列对应点对中后点的灰度值， 由左向右依次增高。 用该数组对图像中的点对按其灰度值作一统计， 如某一个点对前点的灰度值为5， 后点的灰度值为16， 则在数组第5行第16列上加1； 另一点对前点的灰度值为35， 后点的灰度值为40， 则在数组第35行第40列上加1。 这样， 这个数组最终记录了图像中各种点对出现的次数。 按总出现次数100%， 把各种点对出现的次数换算成百分数， 即出现概率， 就得到了一个标准的灰度共生矩阵， 其形成过程见下图。
图a 具有特征纹理的模式图像 设图中灰度值只有1，2，3三种等级， 水平向右每隔2点为一点对， 可见点对中前后点的灰度值均相同
, 百拇医药
若点对的间距d由右向左， 或由上向下， 或在360度平面内按任一角度θ变化， 灰度共生矩阵也随之变化， 故同一图像的灰度共生矩阵有很多个。 若间距d与图像纹理的基元大小相近， 前后点的灰度值就出现重复， 灰度共生矩阵的分布主要集中于对角线附近， 如图a中， 图像基元每隔2重复一次， 当d为2时， 图f中灰度共生矩阵中的值全部在对角线上。 若图像的纹理很细， 灰度共生矩阵的分布则比较分散。
b c d e f
图b-f 标准灰度共生矩阵的形成 图b为初始化的灰度共生矩阵， 其内的值全为0。 图c为检测到第一个点对时的灰度共生矩阵， 即检测图像第1点与第4点， 其灰度值均为1， 则在矩阵第一行第一列上加1。 图d为检测到第二个点对时的灰度共生矩阵， 即检测图像第2点与第5点， 其灰度值均为3， 则在矩阵第三行第三列上加1。 图e为完成全部图像素点统计后的矩阵， 图a中前后点的灰度值均为1的点对有22个， 灰度值均为2的点对有6个， 灰度值均为3的点对有12个， 没有前后点的灰度值为其他值的点对。 图f为该模式图像的标准灰度共生矩阵， 22对应的概率为55%， 6对应的概率为15%， 12对应的概率为30%
, 百拇医药
2. 应用参数： 灰度共生矩阵的参数中用得最多的是对比度和熵。 ①对比度(the contrast)： 反映图像点对中前后点间灰度差的量。 灰度差大的点对大量出现对比度则增大， 图像较粗糙， 反之图像较柔和。 ②熵(the entropy)： 熵值表示灰度共生矩阵中各种灰度值点对出现的混乱程度。 各种灰度值的点对均出现， 且出现的概率相近时， 熵值较小， 反之， 各种灰度值的点对出现的概率差异很大时，熵值较大[8]。
3. 临床意义： 据报道， 心肌炎及心肌纤维化时心肌图像的对比度升高[3]。 在乳腺肿瘤的诊断中运用这两个参数可以将78%的纤维腺瘤、 73%的囊肿和91%的纤维囊性结节从乳癌中区分出来[8]。
三、 游程长度分析
1. 概念与方法： 游程长度是指连续共线且有同一灰度值或灰度段值的点数。 游程长度由三个要素构成： ①游程检测的方向； ②连续共线各点的灰度值； ③连续共线的点数， 即游程长度。 如果由左向右逐点、 由上向下逐行地检测图像的游程长度。 设图像第一行的前三点灰度值均为5， 第四点的灰度值为10， 而第五点的灰度值为16。 因此第一个游程长度的灰度值为5， 游程长度为3。 第二个游程长度的灰度值为10， 游程长度为1……，可建立一个二维数组(矩阵)。 数组的行对应游程长度的大小， 由上向下逐渐增大； 列对应游程长度的灰度值由左向右逐渐增大。 用该数组记录游程长度的检测结果， 每检测一个游程长度， 就在数组对应行和列的交叉上加1……， 若改变游程长度的检测方向， 数组的信息也随着改变， 故同一图像的游程长度检测结果也有很多个。
, http://www.100md.com
游程长度分析的参数从记录结果的数据数组中计算得到， 纹理粗的图像游程较长， 有方向性的纹理在某一角度游程较长。
2. 临床意义： 心肌的超声纹理有鲜明的方向性， 故游程长度分析多用于心肌疾病， 有助于心脏移植后急性排斥反应的诊断[7]， 可区分心脏排斥反应与心肌水肿， 也可区分心肌淀粉样变性、 心肌肥大与正常心肌， 并能描述心肌炎时心肌纹理的特征性变化。 我国的学者将游程长度分析用于肝脏研究， 可区分肝硬化与正常肝[9]。
四、 富立叶功率谱分析
任何一个不规则的周期性函数都可以分解成一系列基本和简单的正弦函数的形式， 这就是富立叶变换。 超声医学中用富立叶变换来分析多普勒信号。 由于单幅图像可看作一个周期为无限长的周期性函数， 因此对超声图像也可进行富立叶变换， 富立叶功率谱就是利用二维富立叶变换的方法把超声图像的视觉信息变换成频率振幅信息， 谱中低频信号在中央， 高频信号在四周。 如果超声图像的纹理较粗， 则富立叶功率谱信号多集中在中央， 而超声图像纹理较细时， 富立叶功率谱信号多集中在四周。 曾有学者报道富立叶功率谱能区分正常甲状腺与甲状腺炎[10]。
, http://www.100md.com
总之， 作者认为： 迄今超声诊断除血流速度多普勒定量检测外， 二维图像主要以人为判断为诊断标准， 其最大的缺点是只能定性不能定量。 任何纤维化回声均增强， 但增到多强算纤维化? 肝区点状回声粗有肝硬化的可能， 但粗到什么程度才是肝硬化? 恶性肿瘤的回声是不均匀的， 但程度如何， 缺乏定量标准。 计算机纹理分析直接以图像的灰度值为依据进行科学的计算和分析， 用较准确的量化标准， 为检查者的判断提供定量的依据， 从而增加了科学性， 如用熵值测量不均匀度， 用游程长度分析纹理粗细等。 因此计算机纹理分析以其准确性和客观性克服了人为判断的模糊性和主观性，显示了强劲的发展势头， 无疑将大大提高超声诊断的准确性。
目前计算机纹理分析还有着发展中的困难。 首先， 它受仪器调节和超声所经组织的影响， 尤其是超声仪发射功率和增益的调节， 对纹理分析的影响较大； 其次许多超声图像的视觉纹理很清楚， 但却没有与之相应的数据标准； 再次， 人体的各个脏器与组织都有其特定的纹理， 必须寻找特定的纹理描述方法。 但用计算机辅助超声诊断是超声医学发展的一个方向， 随着计算机技术的不断发展， 这项技术走向临床应用已为期不远。
, http://www.100md.com
参考文献
1 Krasner BH, Garra BS, Mun SK. US tissue characterization workstation： applications and design. Radiographics, 1994,14：1415-1422.
2 Ferdeghini EM, Pinamonti B, Picano E, et al. Quantitative texture analysis in echocardiography： application to the diagnosis of myocarditis. J Clin Ultrasound, 1991,19：263-270.
3 Lieback E, Hardouin I, Meyer R, et al. Clinical value of echocardiographic tissue characterization in the diagnosis of myocarditis. Eur Heart J, 1996,17：135-142.
, http://www.100md.com
4 Layer G, Zuna I, Lorenz A, et al. Computerized ultrasound B-scan texture analysis of experimental fatty liver disease: influence of total lipid content and fat deposit distribution. Ultrason Imaging, 1990,12：171-188.
5 Murao F. Relationship between fetal growth and echogenicity of the fetal liver. Gynecol Obstet Invest, 1991, 32：20-23.
6 Glaser F, Layer G, Zunal I, et al. Preoperative assessment of perirectal lymph nodes by ultrasound. Chirurg, 1990,61：587-591.
, 百拇医药
7 Lieback E, Meyer R, Nawrocki M, et al. Noninvasive diagnosis of cardiac rejection through echocardiographic tissue characterization. Ann Thorac Surg, 1994,57：1164-1170.
8 Carra BS, Krasner BH, Horii SC, et al. Improving the distinction between benign and malignant breast lesions: the value of sonographic texture analysis. Ultrason Imaging, 1993,15：267-285.
9 李玉兰. 肝脏病变的声衰减系数与纹理参数的测定. 中国超声医学杂志， 1992，8(6)：411-413.
10 Katoh C, Nakada K, Kishimoto R, et al. Quantitative image feature analysis of echographic textures using the normalized first moment of the power spectra: comparision of normal thyroid with chronic thyroiditis. Nippon Igaku Hoshasen Gakkai Zasshi, 1995,55：902-907.
(收稿 1998-05-05 修回 1998-10-25), http://www.100md.com