多發性大動脈炎（TA）是一種常發生在主動脈及其主要分支的慢性非特異性炎癥疾病。患者往往起病隱匿，導致誤診率高，待確診時已發生受累動脈狹窄或閉塞，并引發動脈管腔缺血、缺氧癥狀，重癥者將危及生命。超聲造影（CEUS）是分析 TA 的新興方法，分析手段主要依賴醫生的經驗進行人工定性分析，因此診斷結果常有失精準。基于此，本文提出一種 TA 頸動脈病變 CEUS 的計算機輔助定量分析方法：首先在頸動脈壁上勾勒 TA 病灶的輪廓，在頸動脈管腔中選取勻質的矩形和多邊形各一個作為參考區域；然后分別求出病灶區域與參考區域的時域特征和空域特征，并計算病灶與參考區域間特征的差值和比值，作為新的特征；最后分析所有特征與炎癥指標血沉（ESR）和 C 反應蛋白（CRP）間的相關性。本文選取中山醫院就診的 34 例 TA 患者的共 37 個接受 CEUS 檢查的頸動脈受累病灶，其中 2 例患者各有治療前后兩個病灶，1 例患者有左右雙側病灶；這些患者中有 13 例為未經治療的初發患者，共 14 個病灶，其中 1 例有左右雙側病灶。結果表明，全體患者的病灶內部 1/3 區域中新生血管面積比（ARi1/3）與 CRP 的相關系數 r 值達 0.56（P=0.001），初發患者的病灶內部 1/2 區域中新生血管面積比（ARi1/2）與 CRP 的 r 值達 0.76（P=0.001）。本文研究說明，所提出的計算機輔助方法能從 CEUS 圖像中客觀、半自動地提取 TA 病變的定量特征，減輕醫生主觀經驗對診斷的影響，今后有望用于臨床上 TA 頸動脈病變的診斷判別與嚴重程度評估。
引用本文： 胡妍璐, 張麒, 李超倫. 計算機輔助定量分析多發性大動脈炎頸動脈病變的超聲造影圖像. 生物醫學工程學雜志, 2017, 34(5): 790-796. doi: 10.7507/1001-5515.201702043 復制
引言
多發性大動脈炎（Takayasu arteritis，TA）是一種常發生在主動脈及其主要分支的慢性非特異性炎癥疾病，本病在亞洲國家和地區有較高的發病率，相比于男性而言在年輕女性中較為常見，男性和女性的發病率比例約為 1∶8。TA 往往起病隱匿，其患者早期的臨床表現缺乏特異性，因此診斷較為困難，易診斷為其他疾病。而且很多患者從出現癥狀到確診往往需要很長時間，當確診時已經出現受累頸動脈的阻塞以及缺血癥狀，嚴重者甚至出現腦卒中[1]。因此，TA 頸動脈病變的診斷成為臨床中有待解決的問題。
目前，診斷 TA 頸動脈病變主要是基于其臨床表現和受累血管的影像特征。超聲造影（contrast-enhanced ultrasound，CEUS）是目前診斷 TA 及定量分析的一種新方法。CEUS 通過向血液中注射造影劑以增強血液和周圍組織的對比度，可動態、清晰顯示 TA 頸動脈新生血管的灌注情況和頸動脈管腔變窄、管壁增厚的程度，提高超聲診斷的分辨率、敏感性和特異性，從而達到評價 TA 頸動脈病變的目的[2]。CEUS 是實時動態成像，CEUS 圖像的動態序列常需要有經驗的醫生人工判斷受累頸動脈病灶新生血管的造影劑增強情況，從而給出診斷結論。但人工觀察耗時耗力，且與醫生的經驗有很大關系，具有較強的主觀性，因此若能通過計算機輔助技術提高對 CEUS 圖像的自動或半自動分析與識別，對于提高此類疾病客觀診斷的準確性和時效性將大有幫助[3-4]。鑒于此，本文提出了一種基于 CEUS 圖像序列的 TA 頸動脈病變的計算機輔助定量分析方法，為 TA 的臨床診斷與嚴重程度評估提供幫助。
1 材料和方法
首先以人機交互的方式，勾勒出病灶區域，再根據計算機算法提取時域、空域兩類量化特征，并將這些特征與炎癥血液指標進行相關性分析，以評估炎癥的強弱。
1.1 CEUS 圖像的獲取與病灶分割
本文研究的 TA 病灶 CEUS 序列圖像來自復旦大學附屬中山醫院超聲科，共獲得 34 例 TA 患者的 37 個頸動脈受累病灶（其中 2 例患者有治療前后兩個病灶，1 例患者有左右雙側病灶）的 CEUS 圖像。這些患者中，13 例是未經治療的初發患者，共 14 個病灶，其中 1 例有左右雙側病灶。
所有病例圖像均采用具備 CEUS 功能的超聲診斷儀（iU22，飛利浦，荷蘭）進行采集，圖像序列以醫學數字成像和通信（digital imaging and communications in medicine，DICOM）視頻格式存儲于數字通用光盤（digital versatile disc，DVD）。為了方便后續處理，將 DICOM 視頻文件轉化為靜態的聯合圖像專家小組（joint photographic experts group，JPEG）圖像幀格式[5]。
進行 CEUS 圖像序列的定量分析之前，首先需要對 TA 病灶進行定位，即對病灶進行圖像分割[6]。由于頸動脈、周邊血管、脂肪、腺體等組織器官的結構復雜、相互干擾，圖像自動分割技術并不能很好地對 TA 病灶進行準確分割，因此本文由具有豐富臨床經驗的醫生根據受累頸動脈中的造影劑分布情況，對 TA 病灶輪廓進行手動勾勒來確定病灶的位置。醫生只需要手工勾勒一圈病灶邊緣上的點，軟件將通過三次樣條函數進行插值，將離散的點擬合成閉合曲線。
1.2 時域特征提取
頸動脈 CEUS 圖像序列是實時采集的視頻圖像序列，在灌注過程中超聲造影劑的強度會隨時間變化，因此可以從 TA 病灶的 CEUS 圖像序列中提取一條能反映病灶平均灰度（average gray level，AGL）隨時間變化的曲線，稱為時間強度曲線（time-intensity curve，TIC），它能反映造影劑強度隨時間變化的特點。從該曲線上提取的特征，即為 TIC 特征，反映的是病灶血流灌注的時域信息，簡稱時域特征[3, 7]。
1.2.1 病灶區域的 TIC 曲線 如圖 1 所示，給出一例 TA 病灶區域的 TIC 曲線。由圖可知，超聲造影劑注入到患者的血液中，需要一段時間后才到達病灶區域，然后迅速上升到達峰值，隨后緩慢降低，符合造影劑先上升后下降的一般趨勢。如圖 1 所示，原始 TIC 曲線并不是一條光滑的曲線，上面有很多上下波動的毛刺，產生的原因是由于超聲圖像中固有的血管搏動和斑點噪聲的影響，故經過巴特沃斯低通和帶通濾波器濾波之后可以分離出光滑的 TIC 曲線和心動周期（毛刺）曲線。低通濾波器的參數設置為：截止頻率是 0.6 Hz，通帶衰減和阻帶衰減分別為 3 dB 和 60 dB。帶通濾波器的參數設置為：通帶頻率在 0.6～2 Hz 之間，阻帶頻率小于 0.3 Hz 以及大于 4 Hz，通帶衰減和阻帶衰減分別為 3 dB 和 60 dB。
在低通去噪后的 TIC 曲線上得到 AGL 最大的幀，即峰值幀，表示此時血液中的造影劑強度達到最大值（即峰值，如圖 1 中紅點所示）。峰值幀是造影劑充盈到最大時的病灶圖像，包含的造影劑分布信息較多，可以很好地呈現 TA 病灶內新生血管的分布，使后續空域特征提取的結果較精確。原始 TIC 曲線經帶通濾波后可獲得心動周期信息。在峰值幀前后各選取 3 個心動周期的子序列，然后將這些圖像幀求平均得到時域平均圖像（temporal mean image，TMI），用于后續計算空域特征。
圖1
一例 TA 患者的 TIC 曲線
Figure1.
The TIC of a patient
1.2.2 TIC 曲線特征 從圖 1 所示的 TIC 曲線中可以提取反映時域信息的特征，稱為時域特征[8]，含以下參數：① 峰值增強強度（peak enhancement，PE），即曲線的峰值，意味著病灶內造影劑強度達到的最大值；② 達峰時間（time to peak，TOP），即開始注射造影劑至到達 PE 所需要的時間；③ 上升時間（rise time，RT），即曲線上升時，從峰值的 10% 開始至上升到峰值的 90% 之間對應的時間；④ 曲線覆蓋面積（area under the curve，AUC），TIC 曲線與時間軸圍成的面積；⑤ 平均渡越時間（mean transit time，MTT），即曲線從上升到峰值的 50% 開始，至下降到峰值的 50% 結束所需的時間[9]；⑥ 造影劑灌入斜率（wash in rate，WiR），造影劑灌入期間，在曲線上升階段，從峰值的 25% 上升到峰值的 75% 之間的強度變化除以相應時間；⑦ 造影劑灌出斜率（wash out rate，WoR），造影劑灌出期間，在曲線下降階段，從峰值的 75% 下降到峰值的 25% 之間的強度變化除以相應時間；⑧ 基線強度（baseline intensity，BI），造影劑尚未灌入之前病灶的 AGL。
1.3 空域特征提取
在 1.2.1 節得到的 TMI 中提取量化特征，可反映 TA 病灶血流灌注的空域信息，因此稱為“空域特征”，主要包括從 TMI（灰度圖像）中獲得的灰度圖像紋理特征和 TMI 閾值分割后的二值圖像中獲得的二值圖像紋理特征[3, 7]。
1.3.1 從灰度圖像里獲取空域特征 本文從患者頸動脈的 TMI 中提取一階統計量特征和灰度共生矩陣（gray level co-occurrence matrix，GLCM）特征，共兩類灰度圖像紋理特征。其中一階統計量特征包括病灶內部像素的均值、中值、標準差、偏度等[3]。GLCM 特征主要包括：對比度（Contrast）、熵和能量等，其中 Contrast 反映的是紋理溝紋深淺和圖像清晰度的關系。紋理溝紋越深，Contrast 越大，圖像則越清晰[10]。本文求 GLCM 時設定方向 θ = 0°，45°，90°，135°，距離d = 1，2，
，15 pix。為了減少計算量，將 256 個灰度級重新量化到 8 個灰度級，即 GLCM 被縮減到 8×8 大小，得到 8×8 的灰度共生矩陣G（i，j）（其中 i = 1，2，
，8；j = 1，2，
，8），再將 G（i，j）歸一化可得到概率矩陣 p（i，j），繼而可以提取出圖像紋理信息的特征。將四個方向求取的特征求平均得到最終 GLCM 紋理特征。
1.3.2 從二值圖像里獲取空域特征 通過閾值分割的方法將頸動脈的 CEUS 圖像的 TMI 轉化為二值圖像，并從中提取出反映頸動脈內部造影劑分布情況的特征：① 面積比（area ratio，AR），表示新生血管面積與整個病灶區域面積的比值；② x/y 內部面積比（area ratio of x/y inner region，ARix/y），表示以病灶中心為圓心，半徑是圓心到輪廓長度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶內部區域中，計算新生血管面積占此區域總面積的比值；③ x/y 外部面積比（area ratio of x/y outer region，ARox/y），表示以病灶中心為圓心，半徑是圓心到輪廓長度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶外部區域中，計算新生血管面積占此區域總面積的比值；④ 徑向偏離度（radio deviation degree，RDD），表征新生血管中各像素點到病灶中心的歸一化距離的標準差；⑤ 內部面積比與外部面積比的比值（ratio of area ratio 1/y，RAR1/y），表示病灶 1/y 內部面積比（ARi1/y）與 1/y 外部面積比（ARo1/y）的比值。
1.4 矩形參考區域和多邊形參考區域
CEUS 成像時由于機器增益等參數的設置不同，將造成不同病灶間的亮度不具有可比性，因此從病灶區域計算的原始量化特征未必能真實反映病灶的屬性。該問題類似于日常人臉照片中不同光照條件引起的人臉亮度的變化。故在頸動脈管腔中選取勻質的矩形和多邊形各一個區域作為參考區域，將病灶區域與參考區域的量化特征做除法或減法，以減少增益變化等成像條件不同所引起的亮度差異問題。在 CEUS 的量化分析中，類似的除法或減法操作已在其它疾病（如動態粥樣硬化斑塊）中得到應用，具體可參見前人研究報道的文獻[4]和[11]，因此本文亦引入該操作。如圖 2 所示，選定 CEUS 圖像，從其峰值幀上分別選取一個均勻灰度的矩形邊框和多邊形輪廓作為參考區域，即圖中黃線圈出部分。然后計算每幀圖像中矩形參考區域和多邊形區域的 AGL，可得到其相對應的 TIC 曲線。同時提取 CEUS 圖像中這些區域的均值、方差、峰度等一階統計量特征、GLCM 紋理特征及二值圖像紋理特征[12]。
圖2
參考區域的示意圖
Figure2.
Schematic diagram of the reference regions
提取特征后，計算病灶與參考區域的差值和比值，以抑制上文所述成像條件不同引起亮度差異的問題，因此得到 6 類新的特征，命名為“病灶—矩形”、“病灶/矩形”、“矩形/病灶”、“病灶—多邊形”、“病灶/多邊形”和“多邊形/病灶”。其中“病灶/矩形”與“矩形/病灶”是相似的兩類特征，后者即為前者取倒數（“病灶/多邊形”與“多邊形/病灶”亦如此），之所以同時提取這兩類特征的原因在于：若某個特征（以“病灶/矩形”為例）為非正態分布，由于非正態性可能造成其與炎癥血液指標的相關性分析不能得到理想結果，而將其取倒數（如“矩形/病灶”）有助于將非正態分布轉化為正態分布，因此更有利于其與炎癥血液指標間取得更高的相關系數。
1.5 定量分析
患者炎癥的血液指標主要包括血沉（erythrocyte sedimentation rate，ESR）和 C 反應蛋白（C-reactive protein，CRP）。ESR 指紅細胞在單位時間內沉降的距離，表示紅細胞的沉降速度。臨床上常用 ESR 作為紅細胞間聚集性的指標，可以反映炎癥的程度。CRP 是一種急性反應蛋白，是當機體受到感染或組織損傷等炎癥性刺激時肝細胞合成的急性相蛋白，是機體非特異性免疫機制的一部分，CRP 升高的程度反映炎癥組織的大小或活動性，在炎癥和感染時，CRP 與疾病活動性密切相關[13]。
本文將計算的共 9 類 CEUS 特征參數與 ESR 和 CRP 進行定量分析。每類特征參數都包括 9 個時間參數和 92 個空間參數，因此共有 81 個時間參數與 828 個空間參數。針對全體 34 例患者的 CEUS 特征以及其中 13 例初發患者的 CEUS 特征，分別與血液指標 ESR、CRP 進行相關性分析[14]。
2 實驗和結果
本文算法均由矩陣實驗室 MATLAB R2014a（The MathWorks，美國）實現。全體 34 例患者以及從中篩選出的 13 例初發患者分別與炎癥指標 ESR、CRP 進行相關性分析。
2.1 所有患者病灶區域的相關性
對所有病例的病灶區域的特征進行相關性分析的結果如表 1 所示。特征 ARi1/2、ARi1/3、ARi2/3、ARi3/4、RAR1/2、RAR1/3 和 Contrast 與 CRP 密切相關（P<0.05），其中 ARi1/3 與 CRP 的 r 值達 0.56；而特征 ARi1/2、ARi1/3、RAR1/3 和 ARi3/4 與 ESR 密切相關（P<0.05）。
表1
所有患者的病灶區域相關性分析
Table1.
Correlation analysis of lesion regions in all patients
另外，對“矩形/病灶”與炎癥指標做相關性分析，發現 Contrast 與 ESR 的相關性分析高達 0.41，對“多邊形/病灶”與炎癥指標做相關性分析，發現 Contrast 與 ESR 的相關性分析高達 0.42。說明 Contrast 對于大動脈炎的分析有很大的參考作用，其值越大，亮度均勻，代表新生血管分布越均勻，大動脈炎的炎癥越強。
對矩形和多邊形參考區域、“病灶—矩形”、“病灶/矩形”、“病灶—多邊形”以及“病灶/多邊形”進行相關性分析，卻未能發現有比表 1 更好的統計結果。
2.2 初發患者病灶區域的相關性情況
如表 2 所示，初發患者較所有患者而言，炎癥與 CEUS 特征間的相關性更加明顯。初發患者中 P<0.05 的特征有 RDD、ARi1/2、ARi1/3、ARi2/3、ARi3/4、RAR1/3 和 RAR1/2 等，其中 ARi1/2 與 CRP 的 r 值高達 0.76。證明炎癥越強、新生血管越多、越呈彌漫分布，且越侵入中心。如圖 3 所示，左圖中黃色虛線框代表從圖像中選取的包含 TA 病灶的感興趣區域，右圖黃色線圈代表手動勾勒病灶輪廓后計算機插值擬合的閉合曲線，黃色線圈中的白色區域代表病灶內部的新生血管，綠色的點代表病灶的中心。對 CRP 和 ESR 較小的患者（CRP=1.4、ESR=2），計算得到其圖像特征 RDD=0.17、ARi1/3=0.16、Contrast=0.14 和 RAR1/3=0.80；對 CRP 和 ESR 較大的患者（CRP=57、ESR=53），計算得到其圖像特征 RDD=0.21、ARi1/3=0.40、Contrast=0.22 和 RAR1/3=1.53。從圖 3 中觀察到 CRP、ESR 值較小的患者的血管分布均勻、紋理模糊、Contrast 小。而 CRP、ESR 值較大的患者，血管分布不均勻、紋理的溝紋深、Contrast 大、新生血管多、病灶亮，更好地論證了炎癥和 CEUS 特征具有相關性，有助于臨床對 TA 頸動脈病變的診斷。
表2
初發患者的病灶區域相關性分析
Table2.
Correlation analysis of lesion regions in primary patients
另外，對初發患者“病灶—矩形”求相關性分析，ARi1/2、ARi1/3、RAR1/2 等特征與 CRP 的相關性 P<0.05，RAR1/2 和 ARi1/3 與 CRP 的 r 值都是 0.58，ARi1/2 與 CRP 的 r 值為 0.57。說明 ARi1/2、ARi1/3、RAR1/2 等特征與 CRP 密切相關。
對于初發患者的“病灶/矩形”，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 等特征與 CRP 的相關性 P<0.05，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 分別與 CRP 做相關性分析，得到 r 值分別是 0.53、0.68、0.63、0.63、0.57、0.59、0.47，說明這些特征與 CRP 密切相關，表明炎癥越強，病灶中心越亮，即新生血管越侵入病灶中心。
多邊形區域本身的特征與炎癥指標間的相關性分析未發現特征的差異具有統計學意義。對“病灶—多邊形”，Contrast 與 ESR 的相關性分析 r 值高達 0.55，說明 Contrast 對于大動脈炎的分析有很大的參考作用，其值越大，亮度越均勻，新生血管越均勻分布，大動脈炎的炎癥越強。
對“病灶/多邊形”求相關性分析，RAR1/3 與 CRP 的相關性分析高達 0.60，說明炎癥越強，病灶中心越亮，新生血管越侵入中心。
圖3
大動脈炎頸動脈 TIC 曲線及內部新生血管分割
Figure3.
Carotid artery TIC and internal neovascularization
3 結論
本文從大動脈炎 CEUS 圖像序列的 TIC 曲線中提取時域參數，并從 TMI 中提取大動脈炎新生血管灌注的空域特征，經定量分析發現 CEUS 特征 ARi1/2 與炎癥指標 ESR 間的 r 值高達 0.76。說明 CEUS 在診斷 TA 頸動脈病變及評價病變嚴重程度方面具有潛在的應用價值，有望用于臨床上 TA 病變的評估。只是本文樣本數較少，還需在后續研究中積累更多病例以進一步驗證方法的有效性。另外，造影劑給藥方式、劑量及濃度的不同會影響造影劑灌注，因此需在后續研究中深入分析這些因素對 CEUS 量化特征提取的影響。判斷 TA 的活動期與非活動期，對 TA 治療方案的選擇至關重要，因此下一步研究將聚焦于 CEUS 量化特征在判別 TA 活動期中的應用。
引言
多發性大動脈炎（Takayasu arteritis，TA）是一種常發生在主動脈及其主要分支的慢性非特異性炎癥疾病，本病在亞洲國家和地區有較高的發病率，相比于男性而言在年輕女性中較為常見，男性和女性的發病率比例約為 1∶8。TA 往往起病隱匿，其患者早期的臨床表現缺乏特異性，因此診斷較為困難，易診斷為其他疾病。而且很多患者從出現癥狀到確診往往需要很長時間，當確診時已經出現受累頸動脈的阻塞以及缺血癥狀，嚴重者甚至出現腦卒中[1]。因此，TA 頸動脈病變的診斷成為臨床中有待解決的問題。
目前，診斷 TA 頸動脈病變主要是基于其臨床表現和受累血管的影像特征。超聲造影（contrast-enhanced ultrasound，CEUS）是目前診斷 TA 及定量分析的一種新方法。CEUS 通過向血液中注射造影劑以增強血液和周圍組織的對比度，可動態、清晰顯示 TA 頸動脈新生血管的灌注情況和頸動脈管腔變窄、管壁增厚的程度，提高超聲診斷的分辨率、敏感性和特異性，從而達到評價 TA 頸動脈病變的目的[2]。CEUS 是實時動態成像，CEUS 圖像的動態序列常需要有經驗的醫生人工判斷受累頸動脈病灶新生血管的造影劑增強情況，從而給出診斷結論。但人工觀察耗時耗力，且與醫生的經驗有很大關系，具有較強的主觀性，因此若能通過計算機輔助技術提高對 CEUS 圖像的自動或半自動分析與識別，對于提高此類疾病客觀診斷的準確性和時效性將大有幫助[3-4]。鑒于此，本文提出了一種基于 CEUS 圖像序列的 TA 頸動脈病變的計算機輔助定量分析方法，為 TA 的臨床診斷與嚴重程度評估提供幫助。
1 材料和方法
首先以人機交互的方式，勾勒出病灶區域，再根據計算機算法提取時域、空域兩類量化特征，并將這些特征與炎癥血液指標進行相關性分析，以評估炎癥的強弱。
1.1 CEUS 圖像的獲取與病灶分割
本文研究的 TA 病灶 CEUS 序列圖像來自復旦大學附屬中山醫院超聲科，共獲得 34 例 TA 患者的 37 個頸動脈受累病灶（其中 2 例患者有治療前后兩個病灶，1 例患者有左右雙側病灶）的 CEUS 圖像。這些患者中，13 例是未經治療的初發患者，共 14 個病灶，其中 1 例有左右雙側病灶。
所有病例圖像均采用具備 CEUS 功能的超聲診斷儀（iU22，飛利浦，荷蘭）進行采集，圖像序列以醫學數字成像和通信（digital imaging and communications in medicine，DICOM）視頻格式存儲于數字通用光盤（digital versatile disc，DVD）。為了方便后續處理，將 DICOM 視頻文件轉化為靜態的聯合圖像專家小組（joint photographic experts group，JPEG）圖像幀格式[5]。
進行 CEUS 圖像序列的定量分析之前，首先需要對 TA 病灶進行定位，即對病灶進行圖像分割[6]。由于頸動脈、周邊血管、脂肪、腺體等組織器官的結構復雜、相互干擾，圖像自動分割技術并不能很好地對 TA 病灶進行準確分割，因此本文由具有豐富臨床經驗的醫生根據受累頸動脈中的造影劑分布情況，對 TA 病灶輪廓進行手動勾勒來確定病灶的位置。醫生只需要手工勾勒一圈病灶邊緣上的點，軟件將通過三次樣條函數進行插值，將離散的點擬合成閉合曲線。
1.2 時域特征提取
頸動脈 CEUS 圖像序列是實時采集的視頻圖像序列，在灌注過程中超聲造影劑的強度會隨時間變化，因此可以從 TA 病灶的 CEUS 圖像序列中提取一條能反映病灶平均灰度（average gray level，AGL）隨時間變化的曲線，稱為時間強度曲線（time-intensity curve，TIC），它能反映造影劑強度隨時間變化的特點。從該曲線上提取的特征，即為 TIC 特征，反映的是病灶血流灌注的時域信息，簡稱時域特征[3, 7]。
1.2.1 病灶區域的 TIC 曲線 如圖 1 所示，給出一例 TA 病灶區域的 TIC 曲線。由圖可知，超聲造影劑注入到患者的血液中，需要一段時間后才到達病灶區域，然后迅速上升到達峰值，隨后緩慢降低，符合造影劑先上升后下降的一般趨勢。如圖 1 所示，原始 TIC 曲線并不是一條光滑的曲線，上面有很多上下波動的毛刺，產生的原因是由于超聲圖像中固有的血管搏動和斑點噪聲的影響，故經過巴特沃斯低通和帶通濾波器濾波之后可以分離出光滑的 TIC 曲線和心動周期（毛刺）曲線。低通濾波器的參數設置為：截止頻率是 0.6 Hz，通帶衰減和阻帶衰減分別為 3 dB 和 60 dB。帶通濾波器的參數設置為：通帶頻率在 0.6～2 Hz 之間，阻帶頻率小于 0.3 Hz 以及大于 4 Hz，通帶衰減和阻帶衰減分別為 3 dB 和 60 dB。
在低通去噪后的 TIC 曲線上得到 AGL 最大的幀，即峰值幀，表示此時血液中的造影劑強度達到最大值（即峰值，如圖 1 中紅點所示）。峰值幀是造影劑充盈到最大時的病灶圖像，包含的造影劑分布信息較多，可以很好地呈現 TA 病灶內新生血管的分布，使后續空域特征提取的結果較精確。原始 TIC 曲線經帶通濾波后可獲得心動周期信息。在峰值幀前后各選取 3 個心動周期的子序列，然后將這些圖像幀求平均得到時域平均圖像（temporal mean image，TMI），用于后續計算空域特征。
圖1
一例 TA 患者的 TIC 曲線
Figure1.
The TIC of a patient
1.2.2 TIC 曲線特征 從圖 1 所示的 TIC 曲線中可以提取反映時域信息的特征，稱為時域特征[8]，含以下參數：① 峰值增強強度（peak enhancement，PE），即曲線的峰值，意味著病灶內造影劑強度達到的最大值；② 達峰時間（time to peak，TOP），即開始注射造影劑至到達 PE 所需要的時間；③ 上升時間（rise time，RT），即曲線上升時，從峰值的 10% 開始至上升到峰值的 90% 之間對應的時間；④ 曲線覆蓋面積（area under the curve，AUC），TIC 曲線與時間軸圍成的面積；⑤ 平均渡越時間（mean transit time，MTT），即曲線從上升到峰值的 50% 開始，至下降到峰值的 50% 結束所需的時間[9]；⑥ 造影劑灌入斜率（wash in rate，WiR），造影劑灌入期間，在曲線上升階段，從峰值的 25% 上升到峰值的 75% 之間的強度變化除以相應時間；⑦ 造影劑灌出斜率（wash out rate，WoR），造影劑灌出期間，在曲線下降階段，從峰值的 75% 下降到峰值的 25% 之間的強度變化除以相應時間；⑧ 基線強度（baseline intensity，BI），造影劑尚未灌入之前病灶的 AGL。
1.3 空域特征提取
在 1.2.1 節得到的 TMI 中提取量化特征，可反映 TA 病灶血流灌注的空域信息，因此稱為“空域特征”，主要包括從 TMI（灰度圖像）中獲得的灰度圖像紋理特征和 TMI 閾值分割后的二值圖像中獲得的二值圖像紋理特征[3, 7]。
1.3.1 從灰度圖像里獲取空域特征 本文從患者頸動脈的 TMI 中提取一階統計量特征和灰度共生矩陣（gray level co-occurrence matrix，GLCM）特征，共兩類灰度圖像紋理特征。其中一階統計量特征包括病灶內部像素的均值、中值、標準差、偏度等[3]。GLCM 特征主要包括：對比度（Contrast）、熵和能量等，其中 Contrast 反映的是紋理溝紋深淺和圖像清晰度的關系。紋理溝紋越深，Contrast 越大，圖像則越清晰[10]。本文求 GLCM 時設定方向 θ = 0°，45°，90°，135°，距離d = 1，2，
，15 pix。為了減少計算量，將 256 個灰度級重新量化到 8 個灰度級，即 GLCM 被縮減到 8×8 大小，得到 8×8 的灰度共生矩陣G（i，j）（其中 i = 1，2，
，8；j = 1，2，
，8），再將 G（i，j）歸一化可得到概率矩陣 p（i，j），繼而可以提取出圖像紋理信息的特征。將四個方向求取的特征求平均得到最終 GLCM 紋理特征。
1.3.2 從二值圖像里獲取空域特征 通過閾值分割的方法將頸動脈的 CEUS 圖像的 TMI 轉化為二值圖像，并從中提取出反映頸動脈內部造影劑分布情況的特征：① 面積比（area ratio，AR），表示新生血管面積與整個病灶區域面積的比值；② x/y 內部面積比（area ratio of x/y inner region，ARix/y），表示以病灶中心為圓心，半徑是圓心到輪廓長度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶內部區域中，計算新生血管面積占此區域總面積的比值；③ x/y 外部面積比（area ratio of x/y outer region，ARox/y），表示以病灶中心為圓心，半徑是圓心到輪廓長度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶外部區域中，計算新生血管面積占此區域總面積的比值；④ 徑向偏離度（radio deviation degree，RDD），表征新生血管中各像素點到病灶中心的歸一化距離的標準差；⑤ 內部面積比與外部面積比的比值（ratio of area ratio 1/y，RAR1/y），表示病灶 1/y 內部面積比（ARi1/y）與 1/y 外部面積比（ARo1/y）的比值。
1.4 矩形參考區域和多邊形參考區域
CEUS 成像時由于機器增益等參數的設置不同，將造成不同病灶間的亮度不具有可比性，因此從病灶區域計算的原始量化特征未必能真實反映病灶的屬性。該問題類似于日常人臉照片中不同光照條件引起的人臉亮度的變化。故在頸動脈管腔中選取勻質的矩形和多邊形各一個區域作為參考區域，將病灶區域與參考區域的量化特征做除法或減法，以減少增益變化等成像條件不同所引起的亮度差異問題。在 CEUS 的量化分析中，類似的除法或減法操作已在其它疾病（如動態粥樣硬化斑塊）中得到應用，具體可參見前人研究報道的文獻[4]和[11]，因此本文亦引入該操作。如圖 2 所示，選定 CEUS 圖像，從其峰值幀上分別選取一個均勻灰度的矩形邊框和多邊形輪廓作為參考區域，即圖中黃線圈出部分。然后計算每幀圖像中矩形參考區域和多邊形區域的 AGL，可得到其相對應的 TIC 曲線。同時提取 CEUS 圖像中這些區域的均值、方差、峰度等一階統計量特征、GLCM 紋理特征及二值圖像紋理特征[12]。
圖2
參考區域的示意圖
Figure2.
Schematic diagram of the reference regions
提取特征后，計算病灶與參考區域的差值和比值，以抑制上文所述成像條件不同引起亮度差異的問題，因此得到 6 類新的特征，命名為“病灶—矩形”、“病灶/矩形”、“矩形/病灶”、“病灶—多邊形”、“病灶/多邊形”和“多邊形/病灶”。其中“病灶/矩形”與“矩形/病灶”是相似的兩類特征，后者即為前者取倒數（“病灶/多邊形”與“多邊形/病灶”亦如此），之所以同時提取這兩類特征的原因在于：若某個特征（以“病灶/矩形”為例）為非正態分布，由于非正態性可能造成其與炎癥血液指標的相關性分析不能得到理想結果，而將其取倒數（如“矩形/病灶”）有助于將非正態分布轉化為正態分布，因此更有利于其與炎癥血液指標間取得更高的相關系數。
1.5 定量分析
患者炎癥的血液指標主要包括血沉（erythrocyte sedimentation rate，ESR）和 C 反應蛋白（C-reactive protein，CRP）。ESR 指紅細胞在單位時間內沉降的距離，表示紅細胞的沉降速度。臨床上常用 ESR 作為紅細胞間聚集性的指標，可以反映炎癥的程度。CRP 是一種急性反應蛋白，是當機體受到感染或組織損傷等炎癥性刺激時肝細胞合成的急性相蛋白，是機體非特異性免疫機制的一部分，CRP 升高的程度反映炎癥組織的大小或活動性，在炎癥和感染時，CRP 與疾病活動性密切相關[13]。
本文將計算的共 9 類 CEUS 特征參數與 ESR 和 CRP 進行定量分析。每類特征參數都包括 9 個時間參數和 92 個空間參數，因此共有 81 個時間參數與 828 個空間參數。針對全體 34 例患者的 CEUS 特征以及其中 13 例初發患者的 CEUS 特征，分別與血液指標 ESR、CRP 進行相關性分析[14]。
2 實驗和結果
本文算法均由矩陣實驗室 MATLAB R2014a（The MathWorks，美國）實現。全體 34 例患者以及從中篩選出的 13 例初發患者分別與炎癥指標 ESR、CRP 進行相關性分析。
2.1 所有患者病灶區域的相關性
對所有病例的病灶區域的特征進行相關性分析的結果如表 1 所示。特征 ARi1/2、ARi1/3、ARi2/3、ARi3/4、RAR1/2、RAR1/3 和 Contrast 與 CRP 密切相關（P<0.05），其中 ARi1/3 與 CRP 的 r 值達 0.56；而特征 ARi1/2、ARi1/3、RAR1/3 和 ARi3/4 與 ESR 密切相關（P<0.05）。
表1
所有患者的病灶區域相關性分析
Table1.
Correlation analysis of lesion regions in all patients
另外，對“矩形/病灶”與炎癥指標做相關性分析，發現 Contrast 與 ESR 的相關性分析高達 0.41，對“多邊形/病灶”與炎癥指標做相關性分析，發現 Contrast 與 ESR 的相關性分析高達 0.42。說明 Contrast 對于大動脈炎的分析有很大的參考作用，其值越大，亮度均勻，代表新生血管分布越均勻，大動脈炎的炎癥越強。
對矩形和多邊形參考區域、“病灶—矩形”、“病灶/矩形”、“病灶—多邊形”以及“病灶/多邊形”進行相關性分析，卻未能發現有比表 1 更好的統計結果。
2.2 初發患者病灶區域的相關性情況
如表 2 所示，初發患者較所有患者而言，炎癥與 CEUS 特征間的相關性更加明顯。初發患者中 P<0.05 的特征有 RDD、ARi1/2、ARi1/3、ARi2/3、ARi3/4、RAR1/3 和 RAR1/2 等，其中 ARi1/2 與 CRP 的 r 值高達 0.76。證明炎癥越強、新生血管越多、越呈彌漫分布，且越侵入中心。如圖 3 所示，左圖中黃色虛線框代表從圖像中選取的包含 TA 病灶的感興趣區域，右圖黃色線圈代表手動勾勒病灶輪廓后計算機插值擬合的閉合曲線，黃色線圈中的白色區域代表病灶內部的新生血管，綠色的點代表病灶的中心。對 CRP 和 ESR 較小的患者（CRP=1.4、ESR=2），計算得到其圖像特征 RDD=0.17、ARi1/3=0.16、Contrast=0.14 和 RAR1/3=0.80；對 CRP 和 ESR 較大的患者（CRP=57、ESR=53），計算得到其圖像特征 RDD=0.21、ARi1/3=0.40、Contrast=0.22 和 RAR1/3=1.53。從圖 3 中觀察到 CRP、ESR 值較小的患者的血管分布均勻、紋理模糊、Contrast 小。而 CRP、ESR 值較大的患者，血管分布不均勻、紋理的溝紋深、Contrast 大、新生血管多、病灶亮，更好地論證了炎癥和 CEUS 特征具有相關性，有助于臨床對 TA 頸動脈病變的診斷。
表2
初發患者的病灶區域相關性分析
Table2.
Correlation analysis of lesion regions in primary patients
另外，對初發患者“病灶—矩形”求相關性分析，ARi1/2、ARi1/3、RAR1/2 等特征與 CRP 的相關性 P<0.05，RAR1/2 和 ARi1/3 與 CRP 的 r 值都是 0.58，ARi1/2 與 CRP 的 r 值為 0.57。說明 ARi1/2、ARi1/3、RAR1/2 等特征與 CRP 密切相關。
對于初發患者的“病灶/矩形”，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 等特征與 CRP 的相關性 P<0.05，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 分別與 CRP 做相關性分析，得到 r 值分別是 0.53、0.68、0.63、0.63、0.57、0.59、0.47，說明這些特征與 CRP 密切相關，表明炎癥越強，病灶中心越亮，即新生血管越侵入病灶中心。
多邊形區域本身的特征與炎癥指標間的相關性分析未發現特征的差異具有統計學意義。對“病灶—多邊形”，Contrast 與 ESR 的相關性分析 r 值高達 0.55，說明 Contrast 對于大動脈炎的分析有很大的參考作用，其值越大，亮度越均勻，新生血管越均勻分布，大動脈炎的炎癥越強。
對“病灶/多邊形”求相關性分析，RAR1/3 與 CRP 的相關性分析高達 0.60，說明炎癥越強，病灶中心越亮，新生血管越侵入中心。
圖3
大動脈炎頸動脈 TIC 曲線及內部新生血管分割
Figure3.
Carotid artery TIC and internal neovascularization
3 結論
本文從大動脈炎 CEUS 圖像序列的 TIC 曲線中提取時域參數，并從 TMI 中提取大動脈炎新生血管灌注的空域特征，經定量分析發現 CEUS 特征 ARi1/2 與炎癥指標 ESR 間的 r 值高達 0.76。說明 CEUS 在診斷 TA 頸動脈病變及評價病變嚴重程度方面具有潛在的應用價值，有望用于臨床上 TA 病變的評估。只是本文樣本數較少，還需在后續研究中積累更多病例以進一步驗證方法的有效性。另外，造影劑給藥方式、劑量及濃度的不同會影響造影劑灌注，因此需在后續研究中深入分析這些因素對 CEUS 量化特征提取的影響。判斷 TA 的活動期與非活動期，對 TA 治療方案的選擇至關重要，因此下一步研究將聚焦于 CEUS 量化特征在判別 TA 活動期中的應用。
