專利名稱：腦瘤p53蛋白表達檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理和模式識別技術(shù)領(lǐng)域，具體涉及一種通過磁共振圖像分析進行腦瘤P53蛋白表達狀況檢測的方法。
背景技術(shù)：
神經(jīng)膠質(zhì)瘤是中樞神經(jīng)系統(tǒng)最常見的腫瘤，具有治療周期長、易復(fù)發(fā)、致殘率和死亡率高的特點，對患者的健康和生命威脅極大。目前，神經(jīng)膠質(zhì)瘤可以做到早期診斷，給予及時的手術(shù)、放療和化療，但是惡性膠質(zhì)瘤患者的預(yù)后并沒有明顯改善。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，成年膠質(zhì)瘤患者的P53基因突變與預(yù)后的改善和放療敏感性有關(guān)。臨床通常檢測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)等蛋白表達狀況，并綜合上述蛋白表達的信息來評價膠質(zhì)瘤的惡性程度和患者的預(yù)后狀況。因此，P53的表達狀況作為一種中間結(jié)果信息，雖然不能直接評價膠質(zhì)瘤的惡性程度和患者預(yù)后，但具有一定的指導(dǎo)意義。當(dāng)前臨床使用最為廣泛的P53蛋白的檢測方法是免疫組織化學(xué)技術(shù)，該技術(shù)需要手術(shù)獲得患者的膠質(zhì)瘤病理切片后才能進行檢測，因此無法指導(dǎo)制定術(shù)前治療方案。同時，周曉軍(周曉軍.免疫組化在病理診斷中的正確應(yīng)用.診斷病理學(xué)雜志.2003，1(K4) 232-235)研究表明，免疫組織化學(xué)技術(shù)在標(biāo)準(zhǔn)化和結(jié)果量化方面存在不足，檢測結(jié)果容易受到檢測人員的主觀影響。目前尚沒有基于圖像處理和模式識別技術(shù)進行Ρ53蛋白檢測的方法。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于圖像處理和模式識別技術(shù)的腦瘤Ρ53蛋白表達檢測方法。為實現(xiàn)上述目的，本發(fā)明所采取的技術(shù)方案是該腦瘤Ρ53蛋白表達檢測方法包括以下步驟(1)采集腦瘤患者的磁共振圖像，所述磁共振圖像包括Tl加權(quán)序列、Tl增強序列、 FLAIR序列中的任一種或任幾種；(2)在步驟(1)的任一種所述序列中截取所述磁共振圖像中的病變區(qū)域圖像，由所述病變區(qū)域圖像構(gòu)成病變區(qū)域圖像集，并將病變區(qū)域圖像標(biāo)記為Ρ53蛋白表達陽性或陰性；(3)通過對所述病變區(qū)域圖像集進行圖像分析，提取所述病變區(qū)域圖像中的圖像特征，由所述圖像特征構(gòu)成病變區(qū)域樣本集；(4)從所述病變區(qū)域樣本集中任選η個樣本作為訓(xùn)練樣本集，利用所述訓(xùn)練樣本集對分類器進行訓(xùn)練得到訓(xùn)練后的分類器，其中，η為正整數(shù)且<n<-m,n表示所述病變區(qū)域樣本集的樣本個數(shù)；(5)將所述病變區(qū)域樣本集中除所述訓(xùn)練樣本集以外的其他樣本作為驗證樣本集，使用所述訓(xùn)練后的分類器對所述驗證樣本集進行分類，獲得各驗證樣本的腦瘤P53蛋白的表達狀況。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是(1)現(xiàn)有技術(shù)只能在通過手術(shù)獲得病理組織后檢測P53蛋白表達狀況；而本發(fā)明所需的腦瘤患者磁共振圖像可以在手術(shù)前獲得，因此本發(fā)明在手術(shù)前就能夠獲得P53蛋白表達狀況的中間結(jié)果信息，具有快速及時的特點。(2)通過采集和分析腦瘤患者的Tl加權(quán)序列、Tl增強序列、FUUR序列中的任一種序列的磁共振圖像來檢測P53蛋白的表達狀況， 可以在獲得腫瘤組織切片前無創(chuàng)地獲取關(guān)于腦瘤惡性程度和患者預(yù)后的中間結(jié)果信息。 (3)通過對病變區(qū)域圖像集進行圖像分析，提取所述病變區(qū)域圖像中的圖像特征，對分類器進行訓(xùn)練和驗證，使分類器客觀地獲得腦瘤P53蛋白的表達狀況，避免了在免疫組織化學(xué)技術(shù)中引入檢測者的主觀影響，也避免了檢測方法標(biāo)準(zhǔn)化不足的問題。(4)通過對訓(xùn)練樣本集進行特征優(yōu)化，可以有效降低特征集的復(fù)雜程度，進一步提高檢測效率。( 由于通過圖像分析獲得P53蛋白表達的狀況，不需要消耗化學(xué)試劑等，所以具有成本低的特點。


圖1是本發(fā)明的一個實施例中由FUUR序列的磁共振圖像中截取的病變區(qū)域圖像的示意圖；圖2是本發(fā)明中對訓(xùn)練樣本集進行特征優(yōu)化后，使用優(yōu)化后的訓(xùn)練樣本集訓(xùn)練支持向量機，然后對新的驗證樣本集進行分類得到的ROC曲線。
具體實施例方式本發(fā)明的基于磁共振圖像分析的腦瘤P53蛋白表達檢測方法包括下列步驟(1)采集腦瘤患者的磁共振圖像，其中，磁共振圖像包括Tl加權(quán)序列、Tl增強序列、FUUR序列中的任一種或任幾種。具體的采集方法如下使用磁共振掃描儀(例如GE Healthcare, 1.5T)采集腦膠質(zhì)瘤患者的橫斷位、 冠狀位或矢狀位的磁共振圖像，該磁共振圖像包括Tl加權(quán)序列、Tl增強序列和FUUR序列。其中，Tl加權(quán)序列的成像參數(shù)優(yōu)選為R印etition Time = 1966. lms, Echo Time = 21. 088ms, Inversion Time = 750ms ；Tl 增強序列的成像參數(shù)優(yōu)選為 R印etition Time = 1967. 25ms, Echo Time = 7. 264ms, Inversion Time = 750ms ；FLAIR序列圖像的成像參數(shù)優(yōu)選為 Repetition Time = 8002ms,EchoTime = 122. 904ms, Inversion Time = 2000ms。優(yōu)選采集腦膠質(zhì)瘤患者的橫斷位的磁共振圖像。對患者進行掃描時，每個序列的磁共振圖像的體數(shù)據(jù)分辨率均優(yōu)選為512X512X 16體素，即每個二維切面圖像的分辨率為512X512 像素，共有16個二維切面圖像。磁共振圖像的格式一般為DIC0M。
(2)在Tl加權(quán)序列、Tl增強序列或FIJUR序列中截取步驟⑴所采集的磁共振圖像中的病變區(qū)域圖像，由截取得到的病變區(qū)域圖像構(gòu)成病變區(qū)域圖像集。具體方法如下在Tl加權(quán)序列、Tl增強序列或FUUR序列的橫斷位、冠狀位或矢狀位的磁共振圖像的體數(shù)據(jù)中的每個二維切面圖像上至多截取一個病變區(qū)域圖像(即圖1中的白色小方框內(nèi)的區(qū)域)。病變區(qū)域圖像優(yōu)選為尺寸為16 X 16像素、灰度級為256級、圖像格式為tif。 后將所截取的病變區(qū)域圖像構(gòu)成病變區(qū)域圖像集。在獲得病變區(qū)域圖像集后，使用免疫組織化學(xué)技術(shù)對P53蛋白表達進行檢測，用檢測結(jié)果將病變區(qū)域圖像標(biāo)記為P53蛋白表達陽性或陰性。例如，可臨床采集22個膠質(zhì)瘤患者的磁共振圖像，其中包括Tl加權(quán)序列、Tl增強序列和FUUR序列。使用免疫組織化學(xué)技術(shù)檢測發(fā)現(xiàn)，22個膠質(zhì)瘤患者中有10個患者的P53蛋白表達陰性，12個患者的P53蛋白表達陽性。由于Tl加權(quán)序列、Tl增強序列和FUUR序列中的部分序列上，磁共振圖像的偽影比較嚴(yán)重，容易影響圖像分析和分類的結(jié)果，因此不同序列的病變區(qū)域圖像個數(shù)不盡相同。 例如，在病變區(qū)域圖像集中，Tl加權(quán)序列上，P53蛋白表達陽性和陰性的病變區(qū)域圖像個數(shù)均為66個；Tl增強序列上，P53蛋白表達陽性和陰性的病變區(qū)域圖像個數(shù)均為67個；FUUR 序列上，P53蛋白表達陽性和陰性的病變區(qū)域圖像個數(shù)均為72個。(3)通過對病變區(qū)域圖像集進行圖像分析，提取病變區(qū)域圖像中的圖像特征，并由圖像特征構(gòu)成病變區(qū)域樣本集。以下優(yōu)選分別對病變區(qū)域圖像使用灰度共生矩陣提取13 個圖像特征、使用灰度-梯度共生矩陣提取15個圖像特征、使用二維離散正交S變換提取 34個圖像特征進行進一步說明。(a)對病變區(qū)域圖像，使用灰度共生矩陣提取13個圖像特征。病變區(qū)域圖像通常為二維數(shù)字圖像，以下以一幅二維數(shù)字圖像為例進行進一步說明。此處以f(x，y)表示一幅二維數(shù)字圖像，假設(shè)其大小為MXN，最高灰度級為第Ng級。在二維數(shù)字圖像中，在某個方向上相隔一定距離的一對像素點的灰度出現(xiàn)的統(tǒng)計規(guī)律，從一定程度上可以反映這個二維數(shù)字圖像的圖像特征。這個統(tǒng)計規(guī)律可以用一個矩陣描述，即灰度共生矩陣。在二維數(shù)字圖像中，任意取一像素點(X，y)以及偏離它的另一像素點(x+a，y+b) 形成一個點對。設(shè)該點對的灰度值為(i，j)，即像素點(X，y)的灰度值為i，像素點(x+a， y+b)的灰度值為j。固定a和b，令像素點(x，y)在整幅二維數(shù)字圖像上移動，則會得到各種(i，j)值。假如二維數(shù)字圖像的灰度級別為Ng，則i與j的組合共有種。在整幅二維數(shù)字圖像中，統(tǒng)計每一種組合出現(xiàn)的頻率為P (i，j，d，θ )，則構(gòu)成大小為NgXNg的灰度共生矩陣，其中d是點對之間的距離J = V^f, θ為點對構(gòu)成的向量與坐標(biāo)橫軸之間的夾角， 即點對的方向。灰度共生矩陣本質(zhì)上就是兩個像素點的聯(lián)合直方圖，當(dāng)a和b取不同的數(shù)值組合，都可以得到二維數(shù)字圖像沿一定方向θ、相隔一定距離^ = V^p的灰度共生矩陣?；叶裙采仃嚨臄?shù)學(xué)表達式為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中元素的個數(shù)。P為NgXNgW矩陣。若(x，y)與(x+a，y+b) 之間距離為d，點對構(gòu)成的向量與坐標(biāo)橫軸之間的夾角為θ，則可以得到各種間距及角度的灰度共生矩陣P(i，j，d，θ)。為表達簡明起見，在下面的表述中略去d和Θ，用p(i，j) 表示灰度共生矩陣。
通?？梢栽O(shè)置d = 1，分別計算0°、45°、90°、135°四個方向的圖像特征，對這四個方向的特征求取均值，得到與方向無關(guān)的特征。利用灰度共生矩陣提取的13個圖像特征，包括角二階矩、對比度、相關(guān)系數(shù)、方差、逆差矩、和平均、和方差、和熵、熵、差平均、慣性、差方差和差熵。在計算上述每個特征時，設(shè)置d= 1，分別計算0°、45°、90°、135°四個方向的圖像特征，對這四個方向的特征求取均值，得到與方向無關(guān)的特征，則每個特征公式如下所示 D 角二階矩
權(quán)利要求
1. 一種腦瘤P53蛋白表達檢測方法，其特征在于，包括包括以下步驟(1)采集腦瘤患者的磁共振圖像，所述磁共振圖像包括Tl加權(quán)序列、Tl增強序列、 FUUR序列中的任一種或任幾種；(2)在步驟(1)的任一種所述序列中截取所述磁共振圖像中的病變區(qū)域圖像，由所述病變區(qū)域圖像構(gòu)成病變區(qū)域圖像集，并將病變區(qū)域圖像標(biāo)記為P53蛋白表達陽性或陰性；(3)通過對所述病變區(qū)域圖像集進行圖像分析，提取所述病變區(qū)域圖像中的圖像特征， 由所述圖像特征構(gòu)成病變區(qū)域樣本集；(4)從所述病變區(qū)域樣本集中任選個樣本作為訓(xùn)練樣本集，利用所述訓(xùn)練樣本集對分類器進行訓(xùn)練得到訓(xùn)練后的分類器，其中，為正整數(shù)且， 表示所述病變ηI4 m區(qū)域樣本集的樣本個數(shù)；(5)將所述病變區(qū)域樣本集中除所述訓(xùn)練樣本集以外的其他樣本作為驗證樣本集，使用所述訓(xùn)練后的分類器對所述驗證樣本集進行分類，獲得各驗證樣本的腦瘤P53蛋白的表達狀況。
全文摘要
本發(fā)明公開一種基于磁共振圖像分析的腦瘤P53蛋白表達檢測方法，該方法包括(1)采集腦瘤患者的包括T1加權(quán)序列、T1增強序列、FLAIR序列的磁共振圖像；(2)在前述任一種序列中截取磁共振圖像中的病變區(qū)域圖像，由病變區(qū)域圖像構(gòu)成病變區(qū)域圖像集，并將病變區(qū)域圖像標(biāo)記為P53蛋白表達陽性或陰性；(3)對病變區(qū)域圖像集進行圖像分析，提取病變區(qū)域圖像中的圖像特征，由圖像特征構(gòu)成病變區(qū)域樣本集；(4)從病變區(qū)域樣本集中任選一部分樣本作為訓(xùn)練樣本集，其他樣本作為驗證樣本集，使用訓(xùn)練樣本集訓(xùn)練分類器；(5)使用訓(xùn)練后的分類器對驗證樣本進行分類，獲得驗證樣本的腦瘤P53蛋白表達狀況。
文檔編號G06F19/24GK102201038SQ20111010665
公開日2011年9月28日 申請日期2011年4月27日 優(yōu)先權(quán)日2011年4月27日
發(fā)明者劉晨彬, 夏順仁, 潘穎 申請人:浙江大學(xué)