王曉蕾，侯秀昆，王 輝，王 聰（通訊作者）

（大連醫(yī)科大學(xué)附屬第一醫(yī)院超聲科 遼寧 大連 116001）

近年來，前列腺癌（prostate cancers，PCa）在我國的發(fā)病率逐年提高，確診時常已發(fā)生局部浸潤、轉(zhuǎn)移，失去了早期治療時機(jī)和方法，因此應(yīng)重視早期明確診斷[1]。經(jīng)直腸超聲（transrectal ultrasonography，TRUS）對于前列腺疾病的診斷已日趨成熟，支持向量機(jī)（support vector machine，SVM）算法結(jié)合超聲圖像特點能夠提高診斷準(zhǔn)確率。本文就經(jīng)TRUS結(jié)合SVM在診斷PCa上的應(yīng)用作一概述。

1 TRUS在前列腺癌診斷中的應(yīng)用

1.1 普通TRUS

前列腺經(jīng)直腸超聲檢查相對于經(jīng)腹部超聲，能夠更清晰的觀察前列腺包膜及內(nèi)部回聲。低回聲結(jié)節(jié)是PCa的主要特征之一，但特異性及敏感性較低，無法完好的區(qū)分癌結(jié)節(jié)、增生結(jié)節(jié)、炎癥病灶，并且PCa常與增生并存，因此僅憑經(jīng)直腸二維超聲無法達(dá)到診斷目的[2]。彩色多普勒及能量多普勒可以顯示前列腺內(nèi)血流信號輔，常與經(jīng)直腸超聲聯(lián)合對前列腺疾病進(jìn)行診斷，前列腺腫瘤的惡性結(jié)節(jié)生長快，形成大量的新生血管，血流信號增多，二者均可以提升診斷準(zhǔn)確率，但仍需與二維超聲圖像相結(jié)合。

1.2 超聲造影（contrast-enhanced ultrasound，CEUS）技術(shù)

超聲造影是繼二維超聲、多普勒超聲之后，應(yīng)用微泡造影劑增強(qiáng)血流顯像的新技術(shù)[3]。紅細(xì)胞的散射回聲強(qiáng)度遠(yuǎn)低于軟組織，在二維圖表現(xiàn)為“無回聲”，超聲造影是通過造影劑來增強(qiáng)血液的背向散射，使血流清楚顯示，反映病變組織的微血管灌注情況，從而達(dá)到對某些疾病進(jìn)行診斷的目的。PCa組織內(nèi)有豐富的微血管，超聲造影可顯示細(xì)小、低速的血流，經(jīng)動態(tài)觀察血流灌注情況，明顯提高了診斷準(zhǔn)確率[4]。盡管如此，超聲造影只能選取一個切面，并不能發(fā)現(xiàn)所有病灶，并且超聲造影的實施仍然依賴二維超聲、彩色及能量多普勒超聲，難以代替超聲引導(dǎo)下經(jīng)直腸前列腺穿刺活檢。

1.3 經(jīng)直腸超聲彈性成像（transrectal ultrasound elastography，TRE）

超聲彈性成像的基本原理是對組織施加激勵，組織內(nèi)部發(fā)生相應(yīng)改變，超聲成像方法可以估計出響應(yīng)的情況，從而反映組織內(nèi)部的彈性模量等力學(xué)屬性的差異。激勵前后回聲信號移動幅度的變化可轉(zhuǎn)化為彩色圖像，彈性系數(shù)越小，組織受激勵后位移越大，聲像圖上顯示為紅色，反之顯示為藍(lán)色，彈性系數(shù)中等顯示為綠色，進(jìn)而以不同色彩對不同組織進(jìn)行彈性編碼，借其反映組織相對硬度。梅將軍等研究[5]發(fā)現(xiàn)，TRE聯(lián)合CEUS診斷PCa的敏感度為85.42%、特異度為82.66%，有望成為理想的客觀診斷指標(biāo)。

1.4 剪切波彈性成像（shear wave elastograpy，SWE）

SWE利用探頭晶片對感興趣組織發(fā)射低頻聲波脈沖，并產(chǎn)生“馬赫錐”現(xiàn)象，促使剪切波產(chǎn)生，系統(tǒng)自動生成楊氏模量值，不需向組織施加壓力便可以對組織的硬度特征進(jìn)行定性定量分析，操作簡單，可重復(fù)性好。該成像技術(shù)克服了人為因素的影響，與傳統(tǒng)彈性成像相比更客觀，在鑒別前列腺良惡性病變方面有很好應(yīng)用前景。方毅[6]等應(yīng)用經(jīng)直腸超聲剪切波彈性成像對外周帶前列腺癌進(jìn)行診斷，前列腺癌彈性最大值74.99±46.70kPa，平均值62.81±38.12kPa，前列腺良性病灶彈性最大值33.39±12.23kPa，平均值27.07±0.83kPa，前列腺癌的彈性最大值和平均值均高于前列腺良性病灶。

2 TRUS圖像與SVM的結(jié)合應(yīng)用

2.1 SVM簡介

SVM是借助最優(yōu)化方法解決數(shù)據(jù)挖掘中若干問題的有力工具。其基本原理是通過使用非線性映射算法將低維輸入空間線性不可分的樣本轉(zhuǎn)化為高維特征空間使其線性可分，從而使得高維特征空間采用線性算法對樣本的非線性特征進(jìn)行線性分析成為可能。在這個高維空間里求得一個最大間隔超平面及在分開數(shù)據(jù)樣本的超平面兩邊的兩個互相平行的超平面，分隔超平面使兩個平行超平面的距離最大化，平行超平面間的距離越大，分類器的總誤差越小。其特點是能夠同時最小化經(jīng)驗誤差與最大化幾何邊緣區(qū)，并能解決小樣本的問題。SVM的核心內(nèi)容是在1992到1995年之間提出的[7]，是繼神經(jīng)網(wǎng)絡(luò)之后又一研究熱點。

2.2 SVM在醫(yī)學(xué)診斷中的應(yīng)用

隨著醫(yī)學(xué)影像信息處理技術(shù)的發(fā)展，計算機(jī)輔助診斷系統(tǒng)成為臨床輔助診斷的一個新趨勢，從影像中挖掘出大量與特定癌癥相關(guān)的影像組學(xué)特征，為臨床醫(yī)師提供人眼無法直接獲取的深層信息，提高診斷的敏感性和特異性。杜鵬[8]等基于多參數(shù)磁共振成像影像組學(xué)特征，從腫瘤影像數(shù)據(jù)中分別提取基于直方分布的灰度特征，以及基于共生分布和游程分布的紋理特征，與SVM結(jié)合構(gòu)建膀胱癌復(fù)發(fā)預(yù)測模型，研究表明基于影像組學(xué)特征，能夠?qū)颊叩膹?fù)發(fā)風(fēng)險進(jìn)行定量表征，在復(fù)發(fā)預(yù)測中具有巨大潛能。

2.3 TRUS圖像結(jié)合SVM在PCa診斷中的應(yīng)用

SVM具有完善的理論基礎(chǔ)、較強(qiáng)的可適應(yīng)性、全局優(yōu)化、較短的訓(xùn)練時間、好的泛化性能以及最小化的廣義誤差上界等優(yōu)點。李梅等[9]聯(lián)合年齡、PSA、超聲聲像特征進(jìn)行SVM神經(jīng)網(wǎng)絡(luò)判別分析，診斷前列腺癌的準(zhǔn)確率為87.14%，靈敏度為79.55%，特異度為90.63%，有效提高了前列腺癌的診斷率。

綜上所述，TRUS對PCa進(jìn)行多模態(tài)顯像，包括普通TRUS、CEUS、TRE以及SWE圖像，提取圖像特征，輸入智能算法機(jī)器學(xué)習(xí)，構(gòu)成特征空間，進(jìn)而構(gòu)建所需的分類器模型，然后利用計算機(jī)輔助診斷系統(tǒng)的SVM分類算法，對PCa及其是否轉(zhuǎn)移進(jìn)行預(yù)測，該方法必將對PCa的早期診斷及治療發(fā)揮越來越重要的作用。