多发性大动脉炎（TA）是一种常发生在主动脉及其主要分支的慢性非特异性炎症疾病。患者往往起病隐匿，导致误诊率高，待确诊时已发生受累动脉狭窄或闭塞，并引发动脉管腔缺血、缺氧症状，重症者将危及生命。超声造影（CEUS）是分析 TA 的新兴方法，分析手段主要依赖医生的经验进行人工定性分析，因此诊断结果常有失精准。基于此，本文提出一种 TA 颈动脉病变 CEUS 的计算机辅助定量分析方法：首先在颈动脉壁上勾勒 TA 病灶的轮廓，在颈动脉管腔中选取匀质的矩形和多边形各一个作为参考区域；然后分别求出病灶区域与参考区域的时域特征和空域特征，并计算病灶与参考区域间特征的差值和比值，作为新的特征；最后分析所有特征与炎症指标血沉（ESR）和 C 反应蛋白（CRP）间的相关性。本文选取中山医院就诊的 34 例 TA 患者的共 37 个接受 CEUS 检查的颈动脉受累病灶，其中 2 例患者各有治疗前后两个病灶，1 例患者有左右双侧病灶；这些患者中有 13 例为未经治疗的初发患者，共 14 个病灶，其中 1 例有左右双侧病灶。结果表明，全体患者的病灶内部 1/3 区域中新生血管面积比（ARi1/3）与 CRP 的相关系数 r 值达 0.56（P=0.001），初发患者的病灶内部 1/2 区域中新生血管面积比（ARi1/2）与 CRP 的 r 值达 0.76（P=0.001）。本文研究说明，所提出的计算机辅助方法能从 CEUS 图像中客观、半自动地提取 TA 病变的定量特征，减轻医生主观经验对诊断的影响，今后有望用于临床上 TA 颈动脉病变的诊断判别与严重程度评估。
引用本文： 胡妍璐, 张麒, 李超伦. 计算机辅助定量分析多发性大动脉炎颈动脉病变的超声造影图像. 生物医学工程学杂志, 2017, 34(5): 790-796. doi: 10.7507/1001-5515.201702043 复制
引言
多发性大动脉炎（Takayasu arteritis，TA）是一种常发生在主动脉及其主要分支的慢性非特异性炎症疾病，本病在亚洲国家和地区有较高的发病率，相比于男性而言在年轻女性中较为常见，男性和女性的发病率比例约为 1∶8。TA 往往起病隐匿，其患者早期的临床表现缺乏特异性，因此诊断较为困难，易诊断为其他疾病。而且很多患者从出现症状到确诊往往需要很长时间，当确诊时已经出现受累颈动脉的阻塞以及缺血症状，严重者甚至出现脑卒中[1]。因此，TA 颈动脉病变的诊断成为临床中有待解决的问题。
目前，诊断 TA 颈动脉病变主要是基于其临床表现和受累血管的影像特征。超声造影（contrast-enhanced ultrasound，CEUS）是目前诊断 TA 及定量分析的一种新方法。CEUS 通过向血液中注射造影剂以增强血液和周围组织的对比度，可动态、清晰显示 TA 颈动脉新生血管的灌注情况和颈动脉管腔变窄、管壁增厚的程度，提高超声诊断的分辨率、敏感性和特异性，从而达到评价 TA 颈动脉病变的目的[2]。CEUS 是实时动态成像，CEUS 图像的动态序列常需要有经验的医生人工判断受累颈动脉病灶新生血管的造影剂增强情况，从而给出诊断结论。但人工观察耗时耗力，且与医生的经验有很大关系，具有较强的主观性，因此若能通过计算机辅助技术提高对 CEUS 图像的自动或半自动分析与识别，对于提高此类疾病客观诊断的准确性和时效性将大有帮助[3-4]。鉴于此，本文提出了一种基于 CEUS 图像序列的 TA 颈动脉病变的计算机辅助定量分析方法，为 TA 的临床诊断与严重程度评估提供帮助。
1 材料和方法
首先以人机交互的方式，勾勒出病灶区域，再根据计算机算法提取时域、空域两类量化特征，并将这些特征与炎症血液指标进行相关性分析，以评估炎症的强弱。
1.1 CEUS 图像的获取与病灶分割
本文研究的 TA 病灶 CEUS 序列图像来自复旦大学附属中山医院超声科，共获得 34 例 TA 患者的 37 个颈动脉受累病灶（其中 2 例患者有治疗前后两个病灶，1 例患者有左右双侧病灶）的 CEUS 图像。这些患者中，13 例是未经治疗的初发患者，共 14 个病灶，其中 1 例有左右双侧病灶。
所有病例图像均采用具备 CEUS 功能的超声诊断仪（iU22，飞利浦，荷兰）进行采集，图像序列以医学数字成像和通信（digital imaging and communications in medicine，DICOM）视频格式存储于数字通用光盘（digital versatile disc，DVD）。为了方便后续处理，将 DICOM 视频文件转化为静态的联合图像专家小组（joint photographic experts group，JPEG）图像帧格式[5]。
进行 CEUS 图像序列的定量分析之前，首先需要对 TA 病灶进行定位，即对病灶进行图像分割[6]。由于颈动脉、周边血管、脂肪、腺体等组织器官的结构复杂、相互干扰，图像自动分割技术并不能很好地对 TA 病灶进行准确分割，因此本文由具有丰富临床经验的医生根据受累颈动脉中的造影剂分布情况，对 TA 病灶轮廓进行手动勾勒来确定病灶的位置。医生只需要手工勾勒一圈病灶边缘上的点，软件将通过三次样条函数进行插值，将离散的点拟合成闭合曲线。
1.2 时域特征提取
颈动脉 CEUS 图像序列是实时采集的视频图像序列，在灌注过程中超声造影剂的强度会随时间变化，因此可以从 TA 病灶的 CEUS 图像序列中提取一条能反映病灶平均灰度（average gray level，AGL）随时间变化的曲线，称为时间强度曲线（time-intensity curve，TIC），它能反映造影剂强度随时间变化的特点。从该曲线上提取的特征，即为 TIC 特征，反映的是病灶血流灌注的时域信息，简称时域特征[3, 7]。
1.2.1 病灶区域的 TIC 曲线 如图 1 所示，给出一例 TA 病灶区域的 TIC 曲线。由图可知，超声造影剂注入到患者的血液中，需要一段时间后才到达病灶区域，然后迅速上升到达峰值，随后缓慢降低，符合造影剂先上升后下降的一般趋势。如图 1 所示，原始 TIC 曲线并不是一条光滑的曲线，上面有很多上下波动的毛刺，产生的原因是由于超声图像中固有的血管搏动和斑点噪声的影响，故经过巴特沃斯低通和带通滤波器滤波之后可以分离出光滑的 TIC 曲线和心动周期（毛刺）曲线。低通滤波器的参数设置为：截止频率是 0.6 Hz，通带衰减和阻带衰减分别为 3 dB 和 60 dB。带通滤波器的参数设置为：通带频率在 0.6～2 Hz 之间，阻带频率小于 0.3 Hz 以及大于 4 Hz，通带衰减和阻带衰减分别为 3 dB 和 60 dB。
在低通去噪后的 TIC 曲线上得到 AGL 最大的帧，即峰值帧，表示此时血液中的造影剂强度达到最大值（即峰值，如图 1 中红点所示）。峰值帧是造影剂充盈到最大时的病灶图像，包含的造影剂分布信息较多，可以很好地呈现 TA 病灶内新生血管的分布，使后续空域特征提取的结果较精确。原始 TIC 曲线经带通滤波后可获得心动周期信息。在峰值帧前后各选取 3 个心动周期的子序列，然后将这些图像帧求平均得到时域平均图像（temporal mean image，TMI），用于后续计算空域特征。
图1
一例 TA 患者的 TIC 曲线
Figure1.
The TIC of a patient
1.2.2 TIC 曲线特征 从图 1 所示的 TIC 曲线中可以提取反映时域信息的特征，称为时域特征[8]，含以下参数：① 峰值增强强度（peak enhancement，PE），即曲线的峰值，意味着病灶内造影剂强度达到的最大值；② 达峰时间（time to peak，TOP），即开始注射造影剂至到达 PE 所需要的时间；③ 上升时间（rise time，RT），即曲线上升时，从峰值的 10% 开始至上升到峰值的 90% 之间对应的时间；④ 曲线覆盖面积（area under the curve，AUC），TIC 曲线与时间轴围成的面积；⑤ 平均渡越时间（mean transit time，MTT），即曲线从上升到峰值的 50% 开始，至下降到峰值的 50% 结束所需的时间[9]；⑥ 造影剂灌入斜率（wash in rate，WiR），造影剂灌入期间，在曲线上升阶段，从峰值的 25% 上升到峰值的 75% 之间的强度变化除以相应时间；⑦ 造影剂灌出斜率（wash out rate，WoR），造影剂灌出期间，在曲线下降阶段，从峰值的 75% 下降到峰值的 25% 之间的强度变化除以相应时间；⑧ 基线强度（baseline intensity，BI），造影剂尚未灌入之前病灶的 AGL。
1.3 空域特征提取
在 1.2.1 节得到的 TMI 中提取量化特征，可反映 TA 病灶血流灌注的空域信息，因此称为“空域特征”，主要包括从 TMI（灰度图像）中获得的灰度图像纹理特征和 TMI 阈值分割后的二值图像中获得的二值图像纹理特征[3, 7]。
1.3.1 从灰度图像里获取空域特征 本文从患者颈动脉的 TMI 中提取一阶统计量特征和灰度共生矩阵（gray level co-occurrence matrix，GLCM）特征，共两类灰度图像纹理特征。其中一阶统计量特征包括病灶内部像素的均值、中值、标准差、偏度等[3]。GLCM 特征主要包括：对比度（Contrast）、熵和能量等，其中 Contrast 反映的是纹理沟纹深浅和图像清晰度的关系。纹理沟纹越深，Contrast 越大，图像则越清晰[10]。本文求 GLCM 时设定方向 θ = 0°，45°，90°，135°，距离d = 1，2，
，15 pix。为了减少计算量，将 256 个灰度级重新量化到 8 个灰度级，即 GLCM 被缩减到 8×8 大小，得到 8×8 的灰度共生矩阵G（i，j）（其中 i = 1，2，
，8；j = 1，2，
，8），再将 G（i，j）归一化可得到概率矩阵 p（i，j），继而可以提取出图像纹理信息的特征。将四个方向求取的特征求平均得到最终 GLCM 纹理特征。
1.3.2 从二值图像里获取空域特征 通过阈值分割的方法将颈动脉的 CEUS 图像的 TMI 转化为二值图像，并从中提取出反映颈动脉内部造影剂分布情况的特征：① 面积比（area ratio，AR），表示新生血管面积与整个病灶区域面积的比值；② x/y 内部面积比（area ratio of x/y inner region，ARix/y），表示以病灶中心为圆心，半径是圆心到轮廓长度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶内部区域中，计算新生血管面积占此区域总面积的比值；③ x/y 外部面积比（area ratio of x/y outer region，ARox/y），表示以病灶中心为圆心，半径是圆心到轮廓长度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶外部区域中，计算新生血管面积占此区域总面积的比值；④ 径向偏离度（radio deviation degree，RDD），表征新生血管中各像素点到病灶中心的归一化距离的标准差；⑤ 内部面积比与外部面积比的比值（ratio of area ratio 1/y，RAR1/y），表示病灶 1/y 内部面积比（ARi1/y）与 1/y 外部面积比（ARo1/y）的比值。
1.4 矩形参考区域和多边形参考区域
CEUS 成像时由于机器增益等参数的设置不同，将造成不同病灶间的亮度不具有可比性，因此从病灶区域计算的原始量化特征未必能真实反映病灶的属性。该问题类似于日常人脸照片中不同光照条件引起的人脸亮度的变化。故在颈动脉管腔中选取匀质的矩形和多边形各一个区域作为参考区域，将病灶区域与参考区域的量化特征做除法或减法，以减少增益变化等成像条件不同所引起的亮度差异问题。在 CEUS 的量化分析中，类似的除法或减法操作已在其它疾病（如动态粥样硬化斑块）中得到应用，具体可参见前人研究报道的文献[4]和[11]，因此本文亦引入该操作。如图 2 所示，选定 CEUS 图像，从其峰值帧上分别选取一个均匀灰度的矩形边框和多边形轮廓作为参考区域，即图中黄线圈出部分。然后计算每帧图像中矩形参考区域和多边形区域的 AGL，可得到其相对应的 TIC 曲线。同时提取 CEUS 图像中这些区域的均值、方差、峰度等一阶统计量特征、GLCM 纹理特征及二值图像纹理特征[12]。
图2
参考区域的示意图
Figure2.
Schematic diagram of the reference regions
提取特征后，计算病灶与参考区域的差值和比值，以抑制上文所述成像条件不同引起亮度差异的问题，因此得到 6 类新的特征，命名为“病灶—矩形”、“病灶/矩形”、“矩形/病灶”、“病灶—多边形”、“病灶/多边形”和“多边形/病灶”。其中“病灶/矩形”与“矩形/病灶”是相似的两类特征，后者即为前者取倒数（“病灶/多边形”与“多边形/病灶”亦如此），之所以同时提取这两类特征的原因在于：若某个特征（以“病灶/矩形”为例）为非正态分布，由于非正态性可能造成其与炎症血液指标的相关性分析不能得到理想结果，而将其取倒数（如“矩形/病灶”）有助于将非正态分布转化为正态分布，因此更有利于其与炎症血液指标间取得更高的相关系数。
1.5 定量分析
患者炎症的血液指标主要包括血沉（erythrocyte sedimentation rate，ESR）和 C 反应蛋白（C-reactive protein，CRP）。ESR 指红细胞在单位时间内沉降的距离，表示红细胞的沉降速度。临床上常用 ESR 作为红细胞间聚集性的指标，可以反映炎症的程度。CRP 是一种急性反应蛋白，是当机体受到感染或组织损伤等炎症性刺激时肝细胞合成的急性相蛋白，是机体非特异性免疫机制的一部分，CRP 升高的程度反映炎症组织的大小或活动性，在炎症和感染时，CRP 与疾病活动性密切相关[13]。
本文将计算的共 9 类 CEUS 特征参数与 ESR 和 CRP 进行定量分析。每类特征参数都包括 9 个时间参数和 92 个空间参数，因此共有 81 个时间参数与 828 个空间参数。针对全体 34 例患者的 CEUS 特征以及其中 13 例初发患者的 CEUS 特征，分别与血液指标 ESR、CRP 进行相关性分析[14]。
2 实验和结果
本文算法均由矩阵实验室 MATLAB R2014a（The MathWorks，美国）实现。全体 34 例患者以及从中筛选出的 13 例初发患者分别与炎症指标 ESR、CRP 进行相关性分析。
2.1 所有患者病灶区域的相关性
对所有病例的病灶区域的特征进行相关性分析的结果如表 1 所示。特征 ARi1/2、ARi1/3、ARi2/3、ARi3/4、RAR1/2、RAR1/3 和 Contrast 与 CRP 密切相关（P<0.05），其中 ARi1/3 与 CRP 的 r 值达 0.56；而特征 ARi1/2、ARi1/3、RAR1/3 和 ARi3/4 与 ESR 密切相关（P<0.05）。
表1
所有患者的病灶区域相关性分析
Table1.
Correlation analysis of lesion regions in all patients
另外，对“矩形/病灶”与炎症指标做相关性分析，发现 Contrast 与 ESR 的相关性分析高达 0.41，对“多边形/病灶”与炎症指标做相关性分析，发现 Contrast 与 ESR 的相关性分析高达 0.42。说明 Contrast 对于大动脉炎的分析有很大的参考作用，其值越大，亮度均匀，代表新生血管分布越均匀，大动脉炎的炎症越强。
对矩形和多边形参考区域、“病灶—矩形”、“病灶/矩形”、“病灶—多边形”以及“病灶/多边形”进行相关性分析，却未能发现有比表 1 更好的统计结果。
2.2 初发患者病灶区域的相关性情况
如表 2 所示，初发患者较所有患者而言，炎症与 CEUS 特征间的相关性更加明显。初发患者中 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 与 CRP 的 r 值高达 0.76。证明炎症越强、新生血管越多、越呈弥漫分布，且越侵入中心。如图 3 所示，左图中黄色虚线框代表从图像中选取的包含 TA 病灶的感兴趣区域，右图黄色线圈代表手动勾勒病灶轮廓后计算机插值拟合的闭合曲线，黄色线圈中的白色区域代表病灶内部的新生血管，绿色的点代表病灶的中心。对 CRP 和 ESR 较小的患者（CRP=1.4、ESR=2），计算得到其图像特征 RDD=0.17、ARi1/3=0.16、Contrast=0.14 和 RAR1/3=0.80；对 CRP 和 ESR 较大的患者（CRP=57、ESR=53），计算得到其图像特征 RDD=0.21、ARi1/3=0.40、Contrast=0.22 和 RAR1/3=1.53。从图 3 中观察到 CRP、ESR 值较小的患者的血管分布均匀、纹理模糊、Contrast 小。而 CRP、ESR 值较大的患者，血管分布不均匀、纹理的沟纹深、Contrast 大、新生血管多、病灶亮，更好地论证了炎症和 CEUS 特征具有相关性，有助于临床对 TA 颈动脉病变的诊断。
表2
初发患者的病灶区域相关性分析
Table2.
Correlation analysis of lesion regions in primary patients
另外，对初发患者“病灶—矩形”求相关性分析，ARi1/2、ARi1/3、RAR1/2 等特征与 CRP 的相关性 P<0.05，RAR1/2 和 ARi1/3 与 CRP 的 r 值都是 0.58，ARi1/2 与 CRP 的 r 值为 0.57。说明 ARi1/2、ARi1/3、RAR1/2 等特征与 CRP 密切相关。
对于初发患者的“病灶/矩形”，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 等特征与 CRP 的相关性 P<0.05，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 分别与 CRP 做相关性分析，得到 r 值分别是 0.53、0.68、0.63、0.63、0.57、0.59、0.47，说明这些特征与 CRP 密切相关，表明炎症越强，病灶中心越亮，即新生血管越侵入病灶中心。
多边形区域本身的特征与炎症指标间的相关性分析未发现特征的差异具有统计学意义。对“病灶—多边形”，Contrast 与 ESR 的相关性分析 r 值高达 0.55，说明 Contrast 对于大动脉炎的分析有很大的参考作用，其值越大，亮度越均匀，新生血管越均匀分布，大动脉炎的炎症越强。
对“病灶/多边形”求相关性分析，RAR1/3 与 CRP 的相关性分析高达 0.60，说明炎症越强，病灶中心越亮，新生血管越侵入中心。
图3
大动脉炎颈动脉 TIC 曲线及内部新生血管分割
Figure3.
Carotid artery TIC and internal neovascularization
3 结论
本文从大动脉炎 CEUS 图像序列的 TIC 曲线中提取时域参数，并从 TMI 中提取大动脉炎新生血管灌注的空域特征，经定量分析发现 CEUS 特征 ARi1/2 与炎症指标 ESR 间的 r 值高达 0.76。说明 CEUS 在诊断 TA 颈动脉病变及评价病变严重程度方面具有潜在的应用价值，有望用于临床上 TA 病变的评估。只是本文样本数较少，还需在后续研究中积累更多病例以进一步验证方法的有效性。另外，造影剂给药方式、剂量及浓度的不同会影响造影剂灌注，因此需在后续研究中深入分析这些因素对 CEUS 量化特征提取的影响。判断 TA 的活动期与非活动期，对 TA 治疗方案的选择至关重要，因此下一步研究将聚焦于 CEUS 量化特征在判别 TA 活动期中的应用。
引言
多发性大动脉炎（Takayasu arteritis，TA）是一种常发生在主动脉及其主要分支的慢性非特异性炎症疾病，本病在亚洲国家和地区有较高的发病率，相比于男性而言在年轻女性中较为常见，男性和女性的发病率比例约为 1∶8。TA 往往起病隐匿，其患者早期的临床表现缺乏特异性，因此诊断较为困难，易诊断为其他疾病。而且很多患者从出现症状到确诊往往需要很长时间，当确诊时已经出现受累颈动脉的阻塞以及缺血症状，严重者甚至出现脑卒中[1]。因此，TA 颈动脉病变的诊断成为临床中有待解决的问题。
目前，诊断 TA 颈动脉病变主要是基于其临床表现和受累血管的影像特征。超声造影（contrast-enhanced ultrasound，CEUS）是目前诊断 TA 及定量分析的一种新方法。CEUS 通过向血液中注射造影剂以增强血液和周围组织的对比度，可动态、清晰显示 TA 颈动脉新生血管的灌注情况和颈动脉管腔变窄、管壁增厚的程度，提高超声诊断的分辨率、敏感性和特异性，从而达到评价 TA 颈动脉病变的目的[2]。CEUS 是实时动态成像，CEUS 图像的动态序列常需要有经验的医生人工判断受累颈动脉病灶新生血管的造影剂增强情况，从而给出诊断结论。但人工观察耗时耗力，且与医生的经验有很大关系，具有较强的主观性，因此若能通过计算机辅助技术提高对 CEUS 图像的自动或半自动分析与识别，对于提高此类疾病客观诊断的准确性和时效性将大有帮助[3-4]。鉴于此，本文提出了一种基于 CEUS 图像序列的 TA 颈动脉病变的计算机辅助定量分析方法，为 TA 的临床诊断与严重程度评估提供帮助。
1 材料和方法
首先以人机交互的方式，勾勒出病灶区域，再根据计算机算法提取时域、空域两类量化特征，并将这些特征与炎症血液指标进行相关性分析，以评估炎症的强弱。
1.1 CEUS 图像的获取与病灶分割
本文研究的 TA 病灶 CEUS 序列图像来自复旦大学附属中山医院超声科，共获得 34 例 TA 患者的 37 个颈动脉受累病灶（其中 2 例患者有治疗前后两个病灶，1 例患者有左右双侧病灶）的 CEUS 图像。这些患者中，13 例是未经治疗的初发患者，共 14 个病灶，其中 1 例有左右双侧病灶。
所有病例图像均采用具备 CEUS 功能的超声诊断仪（iU22，飞利浦，荷兰）进行采集，图像序列以医学数字成像和通信（digital imaging and communications in medicine，DICOM）视频格式存储于数字通用光盘（digital versatile disc，DVD）。为了方便后续处理，将 DICOM 视频文件转化为静态的联合图像专家小组（joint photographic experts group，JPEG）图像帧格式[5]。
进行 CEUS 图像序列的定量分析之前，首先需要对 TA 病灶进行定位，即对病灶进行图像分割[6]。由于颈动脉、周边血管、脂肪、腺体等组织器官的结构复杂、相互干扰，图像自动分割技术并不能很好地对 TA 病灶进行准确分割，因此本文由具有丰富临床经验的医生根据受累颈动脉中的造影剂分布情况，对 TA 病灶轮廓进行手动勾勒来确定病灶的位置。医生只需要手工勾勒一圈病灶边缘上的点，软件将通过三次样条函数进行插值，将离散的点拟合成闭合曲线。
1.2 时域特征提取
颈动脉 CEUS 图像序列是实时采集的视频图像序列，在灌注过程中超声造影剂的强度会随时间变化，因此可以从 TA 病灶的 CEUS 图像序列中提取一条能反映病灶平均灰度（average gray level，AGL）随时间变化的曲线，称为时间强度曲线（time-intensity curve，TIC），它能反映造影剂强度随时间变化的特点。从该曲线上提取的特征，即为 TIC 特征，反映的是病灶血流灌注的时域信息，简称时域特征[3, 7]。
1.2.1 病灶区域的 TIC 曲线 如图 1 所示，给出一例 TA 病灶区域的 TIC 曲线。由图可知，超声造影剂注入到患者的血液中，需要一段时间后才到达病灶区域，然后迅速上升到达峰值，随后缓慢降低，符合造影剂先上升后下降的一般趋势。如图 1 所示，原始 TIC 曲线并不是一条光滑的曲线，上面有很多上下波动的毛刺，产生的原因是由于超声图像中固有的血管搏动和斑点噪声的影响，故经过巴特沃斯低通和带通滤波器滤波之后可以分离出光滑的 TIC 曲线和心动周期（毛刺）曲线。低通滤波器的参数设置为：截止频率是 0.6 Hz，通带衰减和阻带衰减分别为 3 dB 和 60 dB。带通滤波器的参数设置为：通带频率在 0.6～2 Hz 之间，阻带频率小于 0.3 Hz 以及大于 4 Hz，通带衰减和阻带衰减分别为 3 dB 和 60 dB。
在低通去噪后的 TIC 曲线上得到 AGL 最大的帧，即峰值帧，表示此时血液中的造影剂强度达到最大值（即峰值，如图 1 中红点所示）。峰值帧是造影剂充盈到最大时的病灶图像，包含的造影剂分布信息较多，可以很好地呈现 TA 病灶内新生血管的分布，使后续空域特征提取的结果较精确。原始 TIC 曲线经带通滤波后可获得心动周期信息。在峰值帧前后各选取 3 个心动周期的子序列，然后将这些图像帧求平均得到时域平均图像（temporal mean image，TMI），用于后续计算空域特征。
图1
一例 TA 患者的 TIC 曲线
Figure1.
The TIC of a patient
1.2.2 TIC 曲线特征 从图 1 所示的 TIC 曲线中可以提取反映时域信息的特征，称为时域特征[8]，含以下参数：① 峰值增强强度（peak enhancement，PE），即曲线的峰值，意味着病灶内造影剂强度达到的最大值；② 达峰时间（time to peak，TOP），即开始注射造影剂至到达 PE 所需要的时间；③ 上升时间（rise time，RT），即曲线上升时，从峰值的 10% 开始至上升到峰值的 90% 之间对应的时间；④ 曲线覆盖面积（area under the curve，AUC），TIC 曲线与时间轴围成的面积；⑤ 平均渡越时间（mean transit time，MTT），即曲线从上升到峰值的 50% 开始，至下降到峰值的 50% 结束所需的时间[9]；⑥ 造影剂灌入斜率（wash in rate，WiR），造影剂灌入期间，在曲线上升阶段，从峰值的 25% 上升到峰值的 75% 之间的强度变化除以相应时间；⑦ 造影剂灌出斜率（wash out rate，WoR），造影剂灌出期间，在曲线下降阶段，从峰值的 75% 下降到峰值的 25% 之间的强度变化除以相应时间；⑧ 基线强度（baseline intensity，BI），造影剂尚未灌入之前病灶的 AGL。
1.3 空域特征提取
在 1.2.1 节得到的 TMI 中提取量化特征，可反映 TA 病灶血流灌注的空域信息，因此称为“空域特征”，主要包括从 TMI（灰度图像）中获得的灰度图像纹理特征和 TMI 阈值分割后的二值图像中获得的二值图像纹理特征[3, 7]。
1.3.1 从灰度图像里获取空域特征 本文从患者颈动脉的 TMI 中提取一阶统计量特征和灰度共生矩阵（gray level co-occurrence matrix，GLCM）特征，共两类灰度图像纹理特征。其中一阶统计量特征包括病灶内部像素的均值、中值、标准差、偏度等[3]。GLCM 特征主要包括：对比度（Contrast）、熵和能量等，其中 Contrast 反映的是纹理沟纹深浅和图像清晰度的关系。纹理沟纹越深，Contrast 越大，图像则越清晰[10]。本文求 GLCM 时设定方向 θ = 0°，45°，90°，135°，距离d = 1，2，
，15 pix。为了减少计算量，将 256 个灰度级重新量化到 8 个灰度级，即 GLCM 被缩减到 8×8 大小，得到 8×8 的灰度共生矩阵G（i，j）（其中 i = 1，2，
，8；j = 1，2，
，8），再将 G（i，j）归一化可得到概率矩阵 p（i，j），继而可以提取出图像纹理信息的特征。将四个方向求取的特征求平均得到最终 GLCM 纹理特征。
1.3.2 从二值图像里获取空域特征 通过阈值分割的方法将颈动脉的 CEUS 图像的 TMI 转化为二值图像，并从中提取出反映颈动脉内部造影剂分布情况的特征：① 面积比（area ratio，AR），表示新生血管面积与整个病灶区域面积的比值；② x/y 内部面积比（area ratio of x/y inner region，ARix/y），表示以病灶中心为圆心，半径是圆心到轮廓长度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶内部区域中，计算新生血管面积占此区域总面积的比值；③ x/y 外部面积比（area ratio of x/y outer region，ARox/y），表示以病灶中心为圆心，半径是圆心到轮廓长度的 x/y（x/y 可取 1/3、1/2、2/3 等）所形成的病灶外部区域中，计算新生血管面积占此区域总面积的比值；④ 径向偏离度（radio deviation degree，RDD），表征新生血管中各像素点到病灶中心的归一化距离的标准差；⑤ 内部面积比与外部面积比的比值（ratio of area ratio 1/y，RAR1/y），表示病灶 1/y 内部面积比（ARi1/y）与 1/y 外部面积比（ARo1/y）的比值。
1.4 矩形参考区域和多边形参考区域
CEUS 成像时由于机器增益等参数的设置不同，将造成不同病灶间的亮度不具有可比性，因此从病灶区域计算的原始量化特征未必能真实反映病灶的属性。该问题类似于日常人脸照片中不同光照条件引起的人脸亮度的变化。故在颈动脉管腔中选取匀质的矩形和多边形各一个区域作为参考区域，将病灶区域与参考区域的量化特征做除法或减法，以减少增益变化等成像条件不同所引起的亮度差异问题。在 CEUS 的量化分析中，类似的除法或减法操作已在其它疾病（如动态粥样硬化斑块）中得到应用，具体可参见前人研究报道的文献[4]和[11]，因此本文亦引入该操作。如图 2 所示，选定 CEUS 图像，从其峰值帧上分别选取一个均匀灰度的矩形边框和多边形轮廓作为参考区域，即图中黄线圈出部分。然后计算每帧图像中矩形参考区域和多边形区域的 AGL，可得到其相对应的 TIC 曲线。同时提取 CEUS 图像中这些区域的均值、方差、峰度等一阶统计量特征、GLCM 纹理特征及二值图像纹理特征[12]。
图2
参考区域的示意图
Figure2.
Schematic diagram of the reference regions
提取特征后，计算病灶与参考区域的差值和比值，以抑制上文所述成像条件不同引起亮度差异的问题，因此得到 6 类新的特征，命名为“病灶—矩形”、“病灶/矩形”、“矩形/病灶”、“病灶—多边形”、“病灶/多边形”和“多边形/病灶”。其中“病灶/矩形”与“矩形/病灶”是相似的两类特征，后者即为前者取倒数（“病灶/多边形”与“多边形/病灶”亦如此），之所以同时提取这两类特征的原因在于：若某个特征（以“病灶/矩形”为例）为非正态分布，由于非正态性可能造成其与炎症血液指标的相关性分析不能得到理想结果，而将其取倒数（如“矩形/病灶”）有助于将非正态分布转化为正态分布，因此更有利于其与炎症血液指标间取得更高的相关系数。
1.5 定量分析
患者炎症的血液指标主要包括血沉（erythrocyte sedimentation rate，ESR）和 C 反应蛋白（C-reactive protein，CRP）。ESR 指红细胞在单位时间内沉降的距离，表示红细胞的沉降速度。临床上常用 ESR 作为红细胞间聚集性的指标，可以反映炎症的程度。CRP 是一种急性反应蛋白，是当机体受到感染或组织损伤等炎症性刺激时肝细胞合成的急性相蛋白，是机体非特异性免疫机制的一部分，CRP 升高的程度反映炎症组织的大小或活动性，在炎症和感染时，CRP 与疾病活动性密切相关[13]。
本文将计算的共 9 类 CEUS 特征参数与 ESR 和 CRP 进行定量分析。每类特征参数都包括 9 个时间参数和 92 个空间参数，因此共有 81 个时间参数与 828 个空间参数。针对全体 34 例患者的 CEUS 特征以及其中 13 例初发患者的 CEUS 特征，分别与血液指标 ESR、CRP 进行相关性分析[14]。
2 实验和结果
本文算法均由矩阵实验室 MATLAB R2014a（The MathWorks，美国）实现。全体 34 例患者以及从中筛选出的 13 例初发患者分别与炎症指标 ESR、CRP 进行相关性分析。
2.1 所有患者病灶区域的相关性
对所有病例的病灶区域的特征进行相关性分析的结果如表 1 所示。特征 ARi1/2、ARi1/3、ARi2/3、ARi3/4、RAR1/2、RAR1/3 和 Contrast 与 CRP 密切相关（P<0.05），其中 ARi1/3 与 CRP 的 r 值达 0.56；而特征 ARi1/2、ARi1/3、RAR1/3 和 ARi3/4 与 ESR 密切相关（P<0.05）。
表1
所有患者的病灶区域相关性分析
Table1.
Correlation analysis of lesion regions in all patients
另外，对“矩形/病灶”与炎症指标做相关性分析，发现 Contrast 与 ESR 的相关性分析高达 0.41，对“多边形/病灶”与炎症指标做相关性分析，发现 Contrast 与 ESR 的相关性分析高达 0.42。说明 Contrast 对于大动脉炎的分析有很大的参考作用，其值越大，亮度均匀，代表新生血管分布越均匀，大动脉炎的炎症越强。
对矩形和多边形参考区域、“病灶—矩形”、“病灶/矩形”、“病灶—多边形”以及“病灶/多边形”进行相关性分析，却未能发现有比表 1 更好的统计结果。
2.2 初发患者病灶区域的相关性情况
如表 2 所示，初发患者较所有患者而言，炎症与 CEUS 特征间的相关性更加明显。初发患者中 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 与 CRP 的 r 值高达 0.76。证明炎症越强、新生血管越多、越呈弥漫分布，且越侵入中心。如图 3 所示，左图中黄色虚线框代表从图像中选取的包含 TA 病灶的感兴趣区域，右图黄色线圈代表手动勾勒病灶轮廓后计算机插值拟合的闭合曲线，黄色线圈中的白色区域代表病灶内部的新生血管，绿色的点代表病灶的中心。对 CRP 和 ESR 较小的患者（CRP=1.4、ESR=2），计算得到其图像特征 RDD=0.17、ARi1/3=0.16、Contrast=0.14 和 RAR1/3=0.80；对 CRP 和 ESR 较大的患者（CRP=57、ESR=53），计算得到其图像特征 RDD=0.21、ARi1/3=0.40、Contrast=0.22 和 RAR1/3=1.53。从图 3 中观察到 CRP、ESR 值较小的患者的血管分布均匀、纹理模糊、Contrast 小。而 CRP、ESR 值较大的患者，血管分布不均匀、纹理的沟纹深、Contrast 大、新生血管多、病灶亮，更好地论证了炎症和 CEUS 特征具有相关性，有助于临床对 TA 颈动脉病变的诊断。
表2
初发患者的病灶区域相关性分析
Table2.
Correlation analysis of lesion regions in primary patients
另外，对初发患者“病灶—矩形”求相关性分析，ARi1/2、ARi1/3、RAR1/2 等特征与 CRP 的相关性 P<0.05，RAR1/2 和 ARi1/3 与 CRP 的 r 值都是 0.58，ARi1/2 与 CRP 的 r 值为 0.57。说明 ARi1/2、ARi1/3、RAR1/2 等特征与 CRP 密切相关。
对于初发患者的“病灶/矩形”，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 等特征与 CRP 的相关性 P<0.05，RDD、ARi1/2、ARi1/3、RAR1/2、RAR1/3、ARi2/3、ARi3/4 分别与 CRP 做相关性分析，得到 r 值分别是 0.53、0.68、0.63、0.63、0.57、0.59、0.47，说明这些特征与 CRP 密切相关，表明炎症越强，病灶中心越亮，即新生血管越侵入病灶中心。
多边形区域本身的特征与炎症指标间的相关性分析未发现特征的差异具有统计学意义。对“病灶—多边形”，Contrast 与 ESR 的相关性分析 r 值高达 0.55，说明 Contrast 对于大动脉炎的分析有很大的参考作用，其值越大，亮度越均匀，新生血管越均匀分布，大动脉炎的炎症越强。
对“病灶/多边形”求相关性分析，RAR1/3 与 CRP 的相关性分析高达 0.60，说明炎症越强，病灶中心越亮，新生血管越侵入中心。
图3
大动脉炎颈动脉 TIC 曲线及内部新生血管分割
Figure3.
Carotid artery TIC and internal neovascularization
3 结论
本文从大动脉炎 CEUS 图像序列的 TIC 曲线中提取时域参数，并从 TMI 中提取大动脉炎新生血管灌注的空域特征，经定量分析发现 CEUS 特征 ARi1/2 与炎症指标 ESR 间的 r 值高达 0.76。说明 CEUS 在诊断 TA 颈动脉病变及评价病变严重程度方面具有潜在的应用价值，有望用于临床上 TA 病变的评估。只是本文样本数较少，还需在后续研究中积累更多病例以进一步验证方法的有效性。另外，造影剂给药方式、剂量及浓度的不同会影响造影剂灌注，因此需在后续研究中深入分析这些因素对 CEUS 量化特征提取的影响。判断 TA 的活动期与非活动期，对 TA 治疗方案的选择至关重要，因此下一步研究将聚焦于 CEUS 量化特征在判别 TA 活动期中的应用。
