描述的組織表征技術(shù)。
[0046] GLCM統(tǒng)計(jì)地表示鄰近像素之間的角度關(guān)系以及它們之間的距離?；谟蒅LCM 提供的統(tǒng)計(jì)信息，可定義并提取若干紋理特征。作為示例，在步驟110中計(jì)算的二階統(tǒng)計(jì) 度量可包括對(duì)比度、能量、均勻性或相關(guān)性?？蛇x地，二階統(tǒng)計(jì)度量可包括其他二階統(tǒng)計(jì)， 包括自相關(guān)性、不一致性、GLCM方差、熵、群集陰影（clustershade)、群集突出（cluster prominence)、以及最大概率。
[0047] 對(duì)比度（"C0N"）表示一組像素中的最低強(qiáng)度和最高強(qiáng)度之間的差異的度量。能 量（"ENE"）度量像素對(duì)的出現(xiàn)的頻率并且將其能量量化為灰度級(jí)變換的頻率的平方。均 勻性（"Η0Μ"）度量不同強(qiáng)度的像素對(duì)的發(fā)生率；因此，隨著具有接近強(qiáng)度的像素對(duì)的頻譜 增加，Η0Μ增加。相關(guān)性（"C0R"）度量像素對(duì)之間的強(qiáng)度相關(guān)性。
[0048] 如下使用基于GLCM的紋理分析過(guò)程來(lái)處理計(jì)算的參數(shù)映射以提取前述的二階統(tǒng) 計(jì)度量（也可被稱為紋理特征）。GLCM是NgXNg矩陣，其中Ng是計(jì)算GLCM的圖像（例如 在此情況下的參數(shù)映射）中量化的灰度級(jí)數(shù)量。GLCM中的每個(gè)元素p(i，j)是以特定位移 距離d和角度Θ在ith與jth之間變化的統(tǒng)計(jì)概率值。因此，已知p(i，j) *NgXNgGLCM中 的元素，上述紋理參數(shù)可如下定義為：

[0049] 其中μ,μ及別是GLCM的列和行的平均值，
[0050] 其中σ￥分別是GLCM的列和行的標(biāo)準(zhǔn)差，
[0051] 對(duì)于每個(gè)參數(shù)映射可構(gòu)造數(shù)個(gè)不同的GLCM。例如，考慮位于具有45度增量的 0-135度的角度值的一至四個(gè)像素的位移距離d處的每個(gè)像素的鄰點(diǎn)，可構(gòu)造十六個(gè)對(duì)稱 的GLCM。然后可從每個(gè)QUS參數(shù)映射的相應(yīng)GLCM中提取二階統(tǒng)計(jì)度量或紋理特征從而對(duì)其 求平均值以產(chǎn)生計(jì)算的二階統(tǒng)計(jì)度量。此示例導(dǎo)致十六個(gè)二階統(tǒng)計(jì)度量（對(duì)于MBF，SS，SI 和SAS參數(shù)映射中的每個(gè)的C0N，ΕΝΕ，Η0Μ和C0R)可被應(yīng)用于區(qū)別腫瘤或其他病理學(xué)疾病 狀態(tài)與正常組織，還用于對(duì)腫瘤分級(jí)和對(duì)其他疾?。ㄖT如肝纖維化）區(qū)分病期。
[0052] 使用較早計(jì)算的至少一個(gè)一階統(tǒng)計(jì)度量和至少一個(gè)二階統(tǒng)計(jì)度量，表征了感興趣 區(qū)域中的組織，如步驟112中指出。例如，通過(guò)標(biāo)識(shí)一階和二階統(tǒng)計(jì)度量的組合來(lái)表征組 織，該組合表示了所定義的分類，諸如組織學(xué)狀態(tài)、疾病發(fā)展?fàn)顟B(tài)或腫瘤等級(jí)。如此，定量超 聲參數(shù)映射的一階和二階統(tǒng)計(jì)度量的組合可被視為定義成像生物標(biāo)志物，其指示組織的組 織學(xué)狀態(tài)。
[0053] 組織的組織學(xué)狀態(tài)可包括組織的微觀解剖是否是正常和健康的，或者組織的微觀 解剖是否在某些方面異常。作為數(shù)個(gè)不同的過(guò)程的結(jié)果，組織的微觀解剖可被考慮為異常 的。例如，當(dāng)組織已癌變時(shí)，無(wú)論是否良性或惡性，或者由其他病理影響時(shí)，組織可被表征為 具有異常組織學(xué)狀態(tài)。作為一個(gè)示例，當(dāng)組織是肝時(shí)，組織學(xué)狀態(tài)可包括肝纖維化、非酒精 性脂肪肝疾?。?NAFLD")、肝硬化、以及肝組織的缺血性損傷。當(dāng)組織已經(jīng)歷結(jié)構(gòu)變化，諸 如響應(yīng)于機(jī)械、熱或其他應(yīng)力的疤痕時(shí)，或者當(dāng)組織經(jīng)歷細(xì)胞凋亡（apoptosis)時(shí)，組織也 可被表征為具有異常組織學(xué)狀態(tài)。
[0054] 作為示例，諸如線性判別分析（"LDA"）之類的判別分析可被實(shí)施為基于參數(shù)映射 的一階和二階統(tǒng)計(jì)度量來(lái)表征組織。表征過(guò)程可包括多個(gè)步驟。例如，表征的第一迭代可 指出組織是否正常或癌變。如果組織被表征為癌變的，可執(zhí)行表征的第二迭代以通過(guò)將腫 瘤分類到組織病理學(xué)分級(jí)來(lái)分級(jí)腫瘤（例如，等級(jí)I，II，或III)。
[0055] 為了使用LDA來(lái)表征組織，對(duì)于被分析的組織，可訓(xùn)練線性判別?？杀环治龅慕M織 的示例包括，但不限于乳腺、肝、腦、前列腺、膀胱、膽囊、脾、頸、血管、肌肉以及骨骼中的組 織?？蓪?shí)時(shí)地執(zhí)行該訓(xùn)練，或者優(yōu)選地，可利用可在處理期間提供的特征組數(shù)據(jù)庫(kù)中儲(chǔ)存的 結(jié)果而離線地執(zhí)行該訓(xùn)練。這種特征組數(shù)據(jù)庫(kù)包括一階統(tǒng)計(jì)度量和二階統(tǒng)計(jì)度量的組合， 該組合最大化或另外提供了對(duì)于已知器官（例如乳腺、肝、腦、前列腺、腎、膀胱、膽囊、脾、 頸、血管、肌肉、骨骼）或組織類型（例如腦灰質(zhì)、腦白質(zhì)）的組織表征的特異性和靈敏度的 期望等級(jí)。如上所討論的，這些特征組可對(duì)特定器官或組織類型限定成像生物標(biāo)志物且可 附加地對(duì)腫瘤分級(jí)限定成像生物標(biāo)志物。
[0056] 還注意到，可在組織表征過(guò)程中計(jì)算和實(shí)施與一階和二階統(tǒng)計(jì)不同的統(tǒng)計(jì)度量。 例如，可計(jì)算并在特征組中包括參數(shù)映射的較高階統(tǒng)計(jì)。較高階統(tǒng)計(jì)的示例包括三階統(tǒng)計(jì)， 考慮三個(gè)或更多像素之間的關(guān)系；四階統(tǒng)計(jì)，考慮四個(gè)或更多像素之間的關(guān)系，等等。也可 通過(guò)計(jì)算二階或由計(jì)算定量超聲參數(shù)映射的二階統(tǒng)計(jì)而產(chǎn)生的統(tǒng)計(jì)參數(shù)映射的較高階統(tǒng) 計(jì)來(lái)導(dǎo)出較高階統(tǒng)計(jì)。例如，可通過(guò)首先產(chǎn)生指示參數(shù)映射的特定二階統(tǒng)計(jì)的統(tǒng)計(jì)映射而 后計(jì)算該統(tǒng)計(jì)映射的二階統(tǒng)計(jì)來(lái)計(jì)算較高階統(tǒng)計(jì)。此過(guò)程可被迭代地應(yīng)用于獲取較高階統(tǒng) 計(jì)，如果需要的話。
[0057] 本領(lǐng)域技術(shù)人員將理解到，每個(gè)器官和組織類型可具有不同的特征組，提供了表 征組織或分級(jí)腫瘤的期望準(zhǔn)確度。通常，特征組包括至少一個(gè)參數(shù)映射的至少一個(gè)一階統(tǒng) 計(jì)度量和至少一個(gè)參數(shù)映射的至少一個(gè)二階統(tǒng)計(jì)度量。構(gòu)想到在至少一些情況下，對(duì)于兩 個(gè)或更多參數(shù)映射中的每個(gè)的單個(gè)一階統(tǒng)計(jì)度量和多個(gè)二階統(tǒng)計(jì)度量通常將提供臨床上 可接受的準(zhǔn)確度。實(shí)踐地，該兩個(gè)或更多參數(shù)映射通?？芍辽侔∕BF、SS和SI，因?yàn)橥ǔ?一起計(jì)算這些參數(shù)。
[0058] 注意到，上述組織分類方法的計(jì)算時(shí)間首先被分配為產(chǎn)生參數(shù)映射。作為一個(gè)示 例，對(duì)一個(gè)對(duì)象計(jì)算MBF、SS、SI和SAS映射可花費(fèi)十分鐘以上；盡管，可通過(guò)使用諸如圖 形處理單元（"GPU"）之類的處理器來(lái)顯著地減少該時(shí)間。本方法的其他步驟（諸如計(jì)算 GLCM矩陣和紋理參數(shù)）可被執(zhí)行大約一秒或兩秒，而表征步驟（例如使用判別分析）可被 執(zhí)行不過(guò)幾毫秒?？傮w上，可在臨床有關(guān)的時(shí)間周期中執(zhí)行本方法。
[0059] 作為使用LDA來(lái)表征組織的替代，可實(shí)施其他統(tǒng)計(jì)分析。當(dāng)嘗試區(qū)別多于兩個(gè)組 織類型時(shí)，可實(shí)施的其他統(tǒng)計(jì)分析的示例包括對(duì)于正態(tài)分布數(shù)據(jù)的未配對(duì)t檢驗(yàn)，曼-惠特 尼（Mann-Whitney)未配對(duì)檢驗(yàn)，對(duì)于正態(tài)分布數(shù)據(jù)使用配對(duì)t檢驗(yàn)的成對(duì)比較，對(duì)于非參 數(shù)數(shù)據(jù)的威爾科克森（Wilcoxon)配對(duì)檢驗(yàn)，以及單因素方差分析（one-wayAN0VA)檢驗(yàn)作 為使用LDA的替代，可使用其他圖案識(shí)別或機(jī)器學(xué)習(xí)技術(shù)以用于組織分類和表征?？蛇x技 術(shù)的示例包括使用人工神經(jīng)網(wǎng)絡(luò)（"ANN"）或支持向量機(jī)（"SVM"）。
[0060] 已經(jīng)描述了用于使用定量超聲參數(shù)映射的一階和二階統(tǒng)計(jì)度量來(lái)表征組織的組 織學(xué)狀態(tài)的方法的一般步驟，現(xiàn)在描述實(shí)施此方法的和用于這種方法的不同臨床應(yīng)用的一 些示例。
[0061] 在一個(gè)示例中，乳腺組織可被表征。下面的表1中列出的一階和二階統(tǒng)計(jì)度量定 義了成像生物標(biāo)志物的示例，這可在將乳腺組織表征為正?；蛘甙┳冎蝎@得100%靈敏度、 97%特異性、以及98%總體準(zhǔn)確度。此外，相同的度量組可進(jìn)一步限定成像標(biāo)志物，可在將 表征的癌變?nèi)橄俳M織分級(jí)為"等級(jí)"I，II，或III中獲得91 %準(zhǔn)確度。 表1
[0062] 圖2A-2C中示出已經(jīng)使用上述方法并使用判別分析法分類的定量超聲數(shù)據(jù)的二 維散布點(diǎn)的示例。這些散布點(diǎn)示出已經(jīng)從對(duì)象的總體中獲得的定量超聲數(shù)據(jù)的示例，每 個(gè)對(duì)象具有不同的乳腺腫瘤等級(jí)。散布點(diǎn)的軸定義了所獲取的典型判別函數(shù)的平面。圖 2A對(duì)應(yīng)于僅使用MBF，SS，SI和SAS的平均值；圖2B對(duì)應(yīng)于僅使用MBF，SS，SI和SAS的 CON,ENE,Η0Μ和C0R;而圖2C對(duì)應(yīng)于使用MBF,SS,SI和SAS的平均值與CON,ENE,Η0Μ和C0R 兩者。鑒于更加分離的分類質(zhì)心（centroid)，可觀察到在分類之間的可分離性中的逐步增 強(qiáng)，結(jié)果是降低的誤分類采樣數(shù)量。
[0063] 在圖3中示出了，對(duì)于具有乳腺癌的變化等級(jí)的對(duì)象的總體的ESD，使用單一參數(shù) 映射的平均值與C0N、ENE、H0