专利名称：脑瘤p53蛋白表达检测方法
技术领域：
本发明属于图像处理和模式识别技术领域，具体涉及一种通过磁共振图像分析进行脑瘤P53蛋白表达状况检测的方法。
背景技术：
神经胶质瘤是中枢神经系统最常见的肿瘤，具有治疗周期长、易复发、致残率和死亡率高的特点，对患者的健康和生命威胁极大。目前，神经胶质瘤可以做到早期诊断，给予及时的手术、放疗和化疗，但是恶性胶质瘤患者的预后并没有明显改善。Afshar 等(GolnarAfshar，Nannette Jelluma，Yang Xiaodong et al. Radiation-Induced Caspase_8Mediates p53_IndependentApoptosis in Glioma Cells.Cancer Research. 2006，66 (8) :4223-4232)研究表明，成年胶质瘤患者的P53基因突变与预后的改善和放疗敏感性有关。临床通常检测phosphatase mid tensinhomolog deleted on chromosome 10 (PTEN)、epidermal growth factor receptor (EGFR)、 the06-methylguanine-DNA methyltransferase (MGMT)、tumor protein 53 (P53)、 monoclonal antibodyofcell proliferation associated nuclear antigen(MIB-I)等蛋白表达状况，并综合上述蛋白表达的信息来评价胶质瘤的恶性程度和患者的预后状况。因此，P53的表达状况作为一种中间结果信息，虽然不能直接评价胶质瘤的恶性程度和患者预后，但具有一定的指导意义。当前临床使用最为广泛的P53蛋白的检测方法是免疫组织化学技术，该技术需要手术获得患者的胶质瘤病理切片后才能进行检测，因此无法指导制定术前治疗方案。同时，周晓军(周晓军.免疫组化在病理诊断中的正确应用.诊断病理学杂志.2003，1(K4) 232-235)研究表明，免疫组织化学技术在标准化和结果量化方面存在不足，检测结果容易受到检测人员的主观影响。目前尚没有基于图像处理和模式识别技术进行Ρ53蛋白检测的方法。
发明内容
本发明的目的是提供一种基于图像处理和模式识别技术的脑瘤Ρ53蛋白表达检测方法。为实现上述目的，本发明所采取的技术方案是该脑瘤Ρ53蛋白表达检测方法包括以下步骤(1)采集脑瘤患者的磁共振图像，所述磁共振图像包括Tl加权序列、Tl增强序列、 FLAIR序列中的任一种或任几种；(2)在步骤(1)的任一种所述序列中截取所述磁共振图像中的病变区域图像，由所述病变区域图像构成病变区域图像集，并将病变区域图像标记为Ρ53蛋白表达阳性或阴性；(3)通过对所述病变区域图像集进行图像分析，提取所述病变区域图像中的图像特征，由所述图像特征构成病变区域样本集；(4)从所述病变区域样本集中任选η个样本作为训练样本集，利用所述训练样本集对分类器进行训练得到训练后的分类器，其中，η为正整数且<n<-m,n表示所述病变区域样本集的样本个数；(5)将所述病变区域样本集中除所述训练样本集以外的其他样本作为验证样本集，使用所述训练后的分类器对所述验证样本集进行分类，获得各验证样本的脑瘤P53蛋白的表达状况。与现有技术相比，本发明的有益效果是(1)现有技术只能在通过手术获得病理组织后检测P53蛋白表达状况；而本发明所需的脑瘤患者磁共振图像可以在手术前获得，因此本发明在手术前就能够获得P53蛋白表达状况的中间结果信息，具有快速及时的特点。(2)通过采集和分析脑瘤患者的Tl加权序列、Tl增强序列、FUUR序列中的任一种序列的磁共振图像来检测P53蛋白的表达状况， 可以在获得肿瘤组织切片前无创地获取关于脑瘤恶性程度和患者预后的中间结果信息。 (3)通过对病变区域图像集进行图像分析，提取所述病变区域图像中的图像特征，对分类器进行训练和验证，使分类器客观地获得脑瘤P53蛋白的表达状况，避免了在免疫组织化学技术中引入检测者的主观影响，也避免了检测方法标准化不足的问题。(4)通过对训练样本集进行特征优化，可以有效降低特征集的复杂程度，进一步提高检测效率。( 由于通过图像分析获得P53蛋白表达的状况，不需要消耗化学试剂等，所以具有成本低的特点。
图1是本发明的一个实施例中由FUUR序列的磁共振图像中截取的病变区域图像的示意图；图2是本发明中对训练样本集进行特征优化后，使用优化后的训练样本集训练支持向量机，然后对新的验证样本集进行分类得到的ROC曲线。
具体实施例方式本发明的基于磁共振图像分析的脑瘤P53蛋白表达检测方法包括下列步骤(1)采集脑瘤患者的磁共振图像，其中，磁共振图像包括Tl加权序列、Tl增强序列、FUUR序列中的任一种或任几种。具体的采集方法如下使用磁共振扫描仪(例如GE Healthcare, 1.5T)采集脑胶质瘤患者的横断位、 冠状位或矢状位的磁共振图像，该磁共振图像包括Tl加权序列、Tl增强序列和FUUR序列。其中，Tl加权序列的成像参数优选为R印etition Time = 1966. lms, Echo Time = 21. 088ms, Inversion Time = 750ms ；Tl 增强序列的成像参数优选为 R印etition Time = 1967. 25ms, Echo Time = 7. 264ms, Inversion Time = 750ms ；FLAIR序列图像的成像参数优选为 Repetition Time = 8002ms,EchoTime = 122. 904ms, Inversion Time = 2000ms。优选采集脑胶质瘤患者的横断位的磁共振图像。对患者进行扫描时，每个序列的磁共振图像的体数据分辨率均优选为512X512X 16体素，即每个二维切面图像的分辨率为512X512 像素，共有16个二维切面图像。磁共振图像的格式一般为DIC0M。
(2)在Tl加权序列、Tl增强序列或FIJUR序列中截取步骤⑴所采集的磁共振图像中的病变区域图像，由截取得到的病变区域图像构成病变区域图像集。具体方法如下在Tl加权序列、Tl增强序列或FUUR序列的横断位、冠状位或矢状位的磁共振图像的体数据中的每个二维切面图像上至多截取一个病变区域图像(即图1中的白色小方框内的区域)。病变区域图像优选为尺寸为16 X 16像素、灰度级为256级、图像格式为tif。 后将所截取的病变区域图像构成病变区域图像集。在获得病变区域图像集后，使用免疫组织化学技术对P53蛋白表达进行检测，用检测结果将病变区域图像标记为P53蛋白表达阳性或阴性。例如，可临床采集22个胶质瘤患者的磁共振图像，其中包括Tl加权序列、Tl增强序列和FUUR序列。使用免疫组织化学技术检测发现，22个胶质瘤患者中有10个患者的P53蛋白表达阴性，12个患者的P53蛋白表达阳性。由于Tl加权序列、Tl增强序列和FUUR序列中的部分序列上，磁共振图像的伪影比较严重，容易影响图像分析和分类的结果，因此不同序列的病变区域图像个数不尽相同。 例如，在病变区域图像集中，Tl加权序列上，P53蛋白表达阳性和阴性的病变区域图像个数均为66个；Tl增强序列上，P53蛋白表达阳性和阴性的病变区域图像个数均为67个；FUUR 序列上，P53蛋白表达阳性和阴性的病变区域图像个数均为72个。(3)通过对病变区域图像集进行图像分析，提取病变区域图像中的图像特征，并由图像特征构成病变区域样本集。以下优选分别对病变区域图像使用灰度共生矩阵提取13 个图像特征、使用灰度-梯度共生矩阵提取15个图像特征、使用二维离散正交S变换提取 34个图像特征进行进一步说明。(a)对病变区域图像，使用灰度共生矩阵提取13个图像特征。病变区域图像通常为二维数字图像，以下以一幅二维数字图像为例进行进一步说明。此处以f(x，y)表示一幅二维数字图像，假设其大小为MXN，最高灰度级为第Ng级。在二维数字图像中，在某个方向上相隔一定距离的一对像素点的灰度出现的统计规律，从一定程度上可以反映这个二维数字图像的图像特征。这个统计规律可以用一个矩阵描述，即灰度共生矩阵。在二维数字图像中，任意取一像素点(X，y)以及偏离它的另一像素点(x+a，y+b) 形成一个点对。设该点对的灰度值为(i，j)，即像素点(X，y)的灰度值为i，像素点(x+a， y+b)的灰度值为j。固定a和b，令像素点(x，y)在整幅二维数字图像上移动，则会得到各种(i，j)值。假如二维数字图像的灰度级别为Ng，则i与j的组合共有种。在整幅二维数字图像中，统计每一种组合出现的频率为P (i，j，d，θ )，则构成大小为NgXNg的灰度共生矩阵，其中d是点对之间的距离J = V^f, θ为点对构成的向量与坐标横轴之间的夹角， 即点对的方向。灰度共生矩阵本质上就是两个像素点的联合直方图，当a和b取不同的数值组合，都可以得到二维数字图像沿一定方向θ、相隔一定距离^ = V^p的灰度共生矩阵。灰度共生矩阵的数学表达式为P(i, j, d, θ ) = #{(x，y)，(χ+a, y+b) e MXN|f(x, y) = i, f(x+a, y+b) = j}其中#{x}表示集合x中元素的个数。P为NgXNgW矩阵。若(x，y)与(x+a，y+b) 之间距离为d，点对构成的向量与坐标横轴之间的夹角为θ，则可以得到各种间距及角度的灰度共生矩阵P(i，j，d，θ)。为表达简明起见，在下面的表述中略去d和Θ，用p(i，j) 表示灰度共生矩阵。
通常可以设置d = 1，分别计算0°、45°、90°、135°四个方向的图像特征，对这四个方向的特征求取均值，得到与方向无关的特征。利用灰度共生矩阵提取的13个图像特征，包括角二阶矩、对比度、相关系数、方差、逆差矩、和平均、和方差、和熵、熵、差平均、惯性、差方差和差熵。在计算上述每个特征时，设置d= 1，分别计算0°、45°、90°、135°四个方向的图像特征，对这四个方向的特征求取均值，得到与方向无关的特征，则每个特征公式如下所示 D 角二阶矩
权利要求
1. 一种脑瘤P53蛋白表达检测方法，其特征在于，包括包括以下步骤(1)采集脑瘤患者的磁共振图像，所述磁共振图像包括Tl加权序列、Tl增强序列、 FUUR序列中的任一种或任几种；(2)在步骤(1)的任一种所述序列中截取所述磁共振图像中的病变区域图像，由所述病变区域图像构成病变区域图像集，并将病变区域图像标记为P53蛋白表达阳性或阴性；(3)通过对所述病变区域图像集进行图像分析，提取所述病变区域图像中的图像特征， 由所述图像特征构成病变区域样本集；(4)从所述病变区域样本集中任选个样本作为训练样本集，利用所述训练样本集对分类器进行训练得到训练后的分类器，其中，为正整数且， 表示所述病变ηI4 m区域样本集的样本个数；(5)将所述病变区域样本集中除所述训练样本集以外的其他样本作为验证样本集，使用所述训练后的分类器对所述验证样本集进行分类，获得各验证样本的脑瘤P53蛋白的表达状况。
全文摘要
本发明公开一种基于磁共振图像分析的脑瘤P53蛋白表达检测方法，该方法包括(1)采集脑瘤患者的包括T1加权序列、T1增强序列、FLAIR序列的磁共振图像；(2)在前述任一种序列中截取磁共振图像中的病变区域图像，由病变区域图像构成病变区域图像集，并将病变区域图像标记为P53蛋白表达阳性或阴性；(3)对病变区域图像集进行图像分析，提取病变区域图像中的图像特征，由图像特征构成病变区域样本集；(4)从病变区域样本集中任选一部分样本作为训练样本集，其他样本作为验证样本集，使用训练样本集训练分类器；(5)使用训练后的分类器对验证样本进行分类，获得验证样本的脑瘤P53蛋白表达状况。
文档编号G06F19/24GK102201038SQ20111010665
公开日2011年9月28日 申请日期2011年4月27日 优先权日2011年4月27日
发明者刘晨彬, 夏顺仁, 潘颖 申请人:浙江大学