基于ADC图像中纹理特征的儿童后颅窝肿瘤分类
摘 要 扩散磁共振成像可鉴别不同类型的成人脑瘤。在儿科文献中，扩散磁共振成像也被建议用于鉴别成神经管细胞瘤和其他肿瘤。毛细胞型星形细胞瘤、髓母细胞瘤及室管膜瘤是三种常见的儿童后颅窝肿瘤，常规MRI可用于三者的鉴别诊断，但由于肿瘤影像表现之间多有重叠，诊断价值有限[1]。多项研究表明，与室管膜瘤和髓母细胞瘤相比，毛细胞型星形细胞瘤的ADC平均值明显升高。纹理分析(TA)是描述和量化肿瘤基质的一种有效方法。基于ADC图像中的纹理特征和机器学习的技术有望切实有效的实现儿童后颅窝肿瘤的分类，以及进一步实现生存预测。
关键词： 纹理特征；支持向量机；肿瘤分类
- 纹理特征
纹理分析是指对某个图像导出的纹理特征用各种数学方法提供图像不同灰度级相对位置信息，由此获取并量化肿瘤异质性。按计算中涉及的体素数目纹理分析可分为一阶、二阶、高阶纹理特征分析[2]。一阶统计基于直方图分析，对感兴趣区像素值灰度的分布和排列状况进行统计分析，二阶统计基于指定像素对的分布几率，主要通过空间灰质法或共生矩阵来实现，描述两个像素强度之间的关系。
- 强度特征
一阶纹理特征也称强度特征，与兴趣区内的灰度级频率分布有关，纹理特征从体素强度直方图中获得，包括平均值、最小值及最大值、变异度、标准差、偏度、峰度及熵、不均质性、体素值的各百分位数等[3]。最大值表示感兴趣区内的像素灰度最大值，最小值表示感兴趣区内的像素灰度最小值，均值是指将感兴趣区中所有体元素的值相加再除以体元素的个数，方差用于计算感兴趣区内的像素灰度的离散程度，偏度可表示数据统计直方图偏离均值的不对称程度，中位数是得到感兴趣区内处于像素灰度值中间的数值，标准差可以表示影像中体元素的离散程度。
直方图显示了ADC值的出现频率，提供了ADC平均值之外的额外描述性信息。来自肿瘤体积和周围肿瘤水肿的ADC柱状图已被用来鉴别成人脑瘤，特别是低度胶质瘤、星形细胞瘤和少突胶质细胞瘤。Erdem等报道，高度细胞化的原始神经外胚层肿瘤(PNET)组与非(PNET)组相比，ADC值降低，且后颅窝肿瘤的平均ADC值存在显著差异[4]。因此，可以通过ADC直方图参数的统计分析来确定常见的儿科肿瘤类型。
- 灰度共生矩阵
一阶纹理特征仅反映强度直方图的整体信息，没有考虑邻近或匹配体素之间的关系，二阶纹理特征弥补了这个缺陷[5]。二阶纹理特征通过空间灰度共生矩阵来获得，灰度共生矩阵中反映一个体素的强度ｉ以某种关系通过另一个体素的强度ｊ寻找自身的程度，计算方法如式 所示。GLCM描述体素的两两排列，基于GLCM的二阶统计参数包括熵、能量／角二阶矩（体素重复／规律和测量图像的同质性）、同质性（共生矩阵的一致性）、不同度（测量矩阵中每个元素的不同程度）和相关度（灰度线性依赖的测量）。
- 能量是基于灰度共生矩阵的一种用于衡量纹理特征的计算方法，通过计算灰度共生矩阵中的各元素值的平方和得到能量的结果。能量纹理特征用于表明影像中灰度的分布均匀程度和纹理本身的粗细程度，属于一种常见的纹理计算方法。
- 同质性纹理特征从名字的定义即可看出，它用于计算影像纹理局部变化的。同质性用于表明影像中纹理的同质性，同质性经过计算得到的数值越大，表明影像中的不同区域间纹理的变化不明显或是缺少变化，影像的局部是非常均匀的；同质性经过计算得到的数值小，说明影像中不同区域间纹理的变化则明显。
- 对比度通过计算区域中像素的明亮的变化，进而对影像中的纹理信息进行衡量的一种方法，计算公式如下所示。对比度可以表明影像中纹理纹路变化程度和相关的清晰度，对比度可以衡量影像中局部灰度变化的总量。纹理中的纹路越深，对比度会计算出较大的数值，人眼中的视觉效果比较清晰；纹理的纹路较浅，对比度计算出的数值会较小，人眼的视觉中纹理比较模糊[6]。
式中，c 为对比度， 为相邻间像素差， 为相邻像素间灰度差。
- 相关是以行或者列作为基本单位，衡量基本元素之间的相似程度，相关表明沿行或列的方向纹理的变化长度，若纹理的变化长度数值变化较大，则计算出的相关性结果会较大，若纹理的变化长度数值较小，则计算出的相关性结果会相应的较小。相关纹理特征度量用于衡量灰度的线性关系，计算公式如所示。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
