本文介绍的是南开大学梁艳梅教授课题组关于OCT图像中基于纹理特征的口腔鳞状细胞癌识别的研究工作,发表在《Journal of Innovative Optical Health Sciences》期刊上。
Identification of oral squamous cell carcinoma in optical coherence tomography images based on texture features
Zihan Yang, Jianwei Shang, Chenlu Liu, Jun Zhang and Yanmei Liang
研究背景
口腔鳞状细胞癌(Oral Squamous Cell Carcinoma, OSCC)是头颈部最常见的癌症之一。目前口腔疾病的诊断方法仍存在一定的局限性,比如,视觉观察或触诊的主观性、组织病理学检查的有创性等。
光学相干层析术(Optical Coherence Tomography, OCT)是一种高分辨、无标记、无创的成像技术,已经成功应用于眼科、心内科及胃肠科等临床疾病诊断中。OCT系统高帧率的成像性能为外科医生实时观察病变区域提供了可能。此外,通过提取OCT图像中蕴含的大量客观信息,可以对生物组织进行定量评价,辅助外科医生对疾病进行筛查和诊断。
内容简介
本文采用自制的扫频源OCT系统对14例OSCC患者的切除组织进行扫描成像,并从OCT图像中提取了4大类纹理特征,包括grey level co-occurrence matrix (GLCM), Laws’ texture measures (LM), center symmetric auto-correlation (CSAC)和local binary pattern (LBP),分别采用四种机器学习算法(support vector machine SVM, K-nearest neighbor KNN, decision tree DT和random forest RF)对不同纹理特征组合的性能进行了评价,确定了用于OCT图像中OSCC筛查的最佳的纹理特征组合和机器学习方法。
图文导读
图1(a)为OSCC的2D和3D伪彩色OCT图像。(b)和(d)分别为正常口腔黏膜和OSCC的2DOCT图像。(c)和(e)分别为正常口腔黏膜和OSCC对应的组织病理学图像。EP:上皮层,LP:固有层,BM:基底膜,M:肌肉.
从OCT图像中可以看出,正常口腔黏膜的上皮层和固有层能够清晰区分,基底膜是完整的,如白色虚线所示;而OSCC的EP和LP边界模糊,基底膜被破坏。
表1不同纹理特征组合和分类方法的OSCC识别准确率
论文进一步评估了不同特征组合的主成分的散点分布情况,根据不同主成分之间的重叠程度分析了分类性能的鲁棒性。重叠程度越高意味着过拟合风险越大,分类器的鲁棒性越低。如图2所示为对所有纹理特征组合提取的前三个主成分的散点图。
图2对所有纹理特征组合提取的前三个主成分的散点分布图。(a)第一主成分(PC1)与第二主成分(PC2)的散点图,(b)PC1与第三主成分(PC3)的散点图,(c)PC2与PC3的散点图,以及(d)前三个主成分的3D散点图。红点表示OSCC样本,绿点表示正常组织样本。
综合考虑分类器和纹理特征组合对OSCC的识别准确率以及主成分散点图的分布结果,论文确定了最佳的组合方案。认为:GLCM、LM和CSAC纹理特征组合,并以SVM作为分类器,可以获得最佳的识别效果。
论文的结果证明:综合筛选纹理特征与机器学习算法对于获得较高的OSCC识别准确率具有重要意义。基于OCT图像纹理特征进行OSCC筛查与诊断,对于帮助外科医生在口腔临床实践中做出快速、准确的决策具有很大的潜力。
作者简介
梁艳梅,南开大学现代光学研究所教授。科研方向为高分辨生物医学光学成像技术及其系统开发。主持并参与了多项国家自然科学基金、天津市科技支撑重点项目、国家重点研发计划及横向项目。自2003年以来专注于OCT技术研究、系统开发及生物医学应用研究。目前实验室已完成三代OCT系统研发,各项技术指标达到国际先进水平,并在此基础上与多家医院的不同科室开展了大量合作研究,取得了多项重要研究成果。
博士生杨子晗为本文的第一作者。