乳腺肿瘤浸润性生长特征的超声声辐射力弹性成像研究

The clinical studies have shown that the cancer cell invasiveness can lead to considerable changes in soft tissue structure, modifying its mechanical properties and substantially resulting in increased stiffness. Thus measurement of elastic characteristics could be used as a new tool of evaluating invasive growth characteristic of breast tumor for breast conserving treatment, radiation target planning and tumor classification.This study proposed a new method that can acquire quantitative invasive information from elastography images automatically and objectively, and apply it to classifying benign and malignant breast tumors. By using an ultrasonic elastography technique based on acoustic radiation force impulse imaging and several image processing methods, the invasive area is detected and thereby a group of elasticity parameters which can fully represent the invasive growth characteristic of breast lesion are caculated.The major researchs of this study include high resolution elastography algorithm based on shear wave velocity mearsurement, the algorithm of abstracting invasive growth features based on 2-dimension elastography image. By using our own acoustic radiation force impulse imaging system, the study is aim to solve those dificulties of quantifying the elastic parameters, and verify the feasibility and effectiveness of this project via clinical trials. This project provides a new effective way for the early diagnisis of breast tumors.

医学临床研究表明，癌细胞浸润周围正常组织会使组织的生物力学特性发生显著变化，利用显示组织弹性参数的影像信息对乳腺肿瘤的浸润性生长特征进行定量的表征和评估，对保乳手术的术前预测、放射治疗靶区的界定和肿瘤良、恶性判别等都具有重大应用潜力。本项目提出一种采用超声无创、定量地检测乳腺肿瘤浸润特征参数的新方法。拟融合声辐射力弹性成像技术和图像处理技术，从获取的乳腺组织弹性模量图中提取出浸润区域，然后创建出能够全面、科学地描述病灶浸润情况的弹性参数群。着重解决基于剪切波速度测量的高性能弹性成像算法和基于二维弹性模量图的浸润特征参数群量化提取方法。为了验证本项目提出方法的准确性和有效性，依托自主研制的超声声辐射力弹性成像系统，将算法集成到系统平台，通过临床样本实验、其它影像学手段和病理检测结果进行检验。该项目的研究将为乳腺肿瘤浸润特征的检测和评估提供新的有效途径。

人体组织的硬度与疾病的发生和进展紧密关联，乳腺癌细胞浸润周围正常组织会使组织的生物力学特性发生显著变化，其弹性特征能够为病理研究和临床诊断提供新的重要依据。声辐射力弹性成像作为一种定量评估组织弹性模量的成像技术，已经成为进行肿瘤组织定征的一种有效工具。然而，现有的弹性检测方法没有单独对乳腺肿瘤周围浸润区域的弹性参数进行表征和评估。本项目组提出了定量检测乳腺肿瘤浸润特征参数的方法，开展了一系列的研究，并取得了初步的成果：(1)提出基于解析信号的互相关方法和基于基于拉东变换的剪切波速度估计算法，提高了弹性测量的可靠性，并将互相关、 滤波、 Radon变换和三次样条插值等算法最耗时的部分移植到图形处理单元GPU中进行加速，整体计算速度提高50倍以上，弹性模量测量精度最高可达±0.5 kPa。(2) 融合声辐射力弹性成像技术和图像处理技术，从获取的乳腺组织弹性模量图中提取出浸润区域，创建出常规弹性参数、基于基于Contourlet变换的弹性纹理参数，用于乳腺肿瘤的良、恶性判别，提高了乳腺肿瘤分类诊断的准确性，在诊断敏感性维持在90% 以上的情况下，将特异性从50%-60% 提高到80%-90% 以上。 (3)提出基于深度学习和放射组学的乳腺肿瘤弹性图像分类方法，改进了诊断性能。临床实验证明该项目的研究为乳腺肿瘤的诊断和评估提供新的有效途径，可以避免不必要的组织活检，减少患者的痛苦和风险。