基于超声RF时间序列的组织定征技术

有研究表明，当超声波作用于组织时，组织温度升高，组织温度的变化会改变散射 体之间间隔和组织声速，组织声速的变化影响了超声背散射信号的两个物理量：相移和 组织散射体之间的间隔，从而导致超声RF时间序列波动，这种波动取决于组织的生物 特性，因此携带了组织定征的信息，这从理论上论证了超声RF时间序列可用于组织定 征^[46]。

2006年，加拿大的Moradi等^[47]提出一种以超声RF时间序列作为数据源的组织定

7

征方法，利用超声RF时间序列的Huguchi分形维数特征分类识别前列腺癌，其精度达 到86%，说明了 RF时间序列的分形维数特征在组织定征方面有效。2007年，Moradi 等^[48]提取了 RF时间序列离散傅立叶变换的频谱特征，检测前列腺癌，实验结果显示其 平均分类精度高达91%，进一步说明了超声RF时间序列在定征生物组织方面的有效性。 2009年，Moradi等^[49]结合了 Huguchi分形维数特征和离散傅立叶变化的频谱特征辨别 前列腺癌，使用SVM分类器，其ROC曲线面积AUC达0.95。接着2010年，Moradi 等^[50]将这种方法用于检测不同的动物组织，包括牛肝、猪肝、鸡胸和牛肌肉等，中心频 率为6.6MHz二元分类的平均准确率为95.1%，当中心频率提高到55MHz时，其分类精 度提高3%，达到98.1%。2013年，Uniyal等^[51]用RF时间序列的方法检测恶性乳腺癌。 2015年，他们^[6]将这种方法与基于超声B型图和基于超声RF回波信号的方法进行比较， 最优的B型图特征和一帧RF回波信号特征子集的AUC为0.68,而RF时间序列三个最 优特征在SVM分类器分类AUC为0.86,这说明基于RF时间序列的组织定征方法比基 于B型图和基于一帧的RF回波信号方法在捕获组织微结构信息上更有优势和前景。 2015年，高永振等^[9]提取了超声RF时间序列的12个特征，包括RF时间序列的7个频 谱特征和5个时域特征，基于SVM和随机森林分类器对5级肝纤维化程度识别的最高 分类精度分别为93.3333%和96.6667°%，进一步说明这种新的组织定征方法的有效性，

同时也说明超声RF时间序列特征可以用于肝纤维化分期的检测，但没有对相关的平均 精度做统计。

1.3时间序列建立ARMA模型在生物医学领域的应用现状 1.3.1时间序列分析在国内外研究现状

时间序列分析起源于预测，包括传统的周期图分析以及一些时序的非参数模型分析， 而时序分析取得较大突破是从非参数模型到参数模型。20世纪20年代，英国统计学家 尤尔（Yule)提出了用线性自回归方程（AR模型）来模拟时间序列的建模思想^[52]。20 世纪30年代初，英国科学家沃克爵士（Walker)在沃克分析方法的基础上研究了衰减 正弦的时间序列，得出了著名的Yule-Walker方程。1970年，Box和Jenkins通过梳理 以及发展前人的成果，发表了《Time Series Analysis-Forecasting and Control》^[53]，系统 地总结了平稳时间序列的建模理论和方法，为时间序列理论应用在各个领域做出了重要 的贡献，同年提出了确定模型阶数的一些经验准则^[54]。

我国的时序分析起步相对较晚，但发展也非常地快速。1973年，吴贤铭教授将DDS (Dynamic Data System)方法引入中国，并指出该方法较为实际的工程实现^[55]。1983 年，我国的第一本关于时间序列分析的专著《时间序列分析与应用》是由安鸿志、陈兆 国等人撰写^[56]。1989年，邓自立教授专著了《现代时间序列分析及其应用一建模、滤 波、去卷、预报和控制》，将现代的控制理论与时间序列分析相结合，开拓了时间序列 的在控制领域的应用^[57]。1996年，张贤达著《时间序列分析一高阶统计量方法》，促 进了时间序列分析在高阶统计量的应用^[58]。随后，时间序列分析在参数估计算法、模型 识别和定阶领域取得了丰富的研究成果。

随着时间序列分析理论的日益完善，时间序列分析的应用更加广泛，在电子信息领 域中时间序列的建模与分析、生物工程领域中关于DNA序列分析与应用、生物医学工 程领域中生物肌电信号的时序分析、机械故障诊断研究中无损信号的时序分析等等，都 可以看到它的身影。

1.3.2 ARMA模型在生物医学领域的应用现状

ARMA模型是广义上的具有合理光谱的平稳过程的参数表示^[59]，模型时间序列建 立ARMA模型在生物医学领域方面得到了广泛的应用。2003年，Alacam等^[60]提出了对 90个病人的120幅在体乳腺组织超声图像的RF超声回波信号进行FARMA (fractional differencing ARMA)建模，结果表明RF超声回波信号的FARMA模型特征在组织定征 方面的有效性。2004年，Alacam等^[61]对超声回波信号建立FARMA模型去识别乳腺恶 性肿瘤，R0C曲线面积达0.87,实验结果表明，对超声RF回波信号建模FARMA模型 特征识别乳腺癌精度较高。2010年，Zielinski等^[59]对超声乳腺图像建立2D ARMA模型， 利用k-means区分正常、良性和恶性乳腺组织，其分类精度达93.87%。Kumar等^[62]通 过对乳腺癌图像信号建立ARIMA模型，识别正常乳腺组织、良性乳腺癌和恶性肿瘤癌， 并发现2D ARIMA识别精度高于1D ARIMA模型。2011年，Maggio等^[63]对超声图像的 RF信号分别建立CARMA模型和ARMA模型，并认为CARMA模型特征对在体超声 组织的定征是有效的。2015年，Park等利用ARMA模型对原始的脑电信号建模、仿真， 发现ARMA模型参数在生物医学信号分类识别方面的应用是有效的^[4-5]。

1.4本文创新点及结构安排 1.4.1论文创新点

本文主要是对早期肝纤维化检测及程度识别的研究，创新点及主要工作如下：

1.  本文以超声RF时间序列作为信号源，大鼠肝为实验样本，首次提出对超声RF 时间序列建立ARMA建模，并以该模型的参量作为特征，利用随机森林分类器对大鼠 肝的纤维化特征进行二分类、三分类和五分类的识别，为临床上提供一种无创、可重复、 低成本、有效的早期肝纤维化检测方法，为解决现有常规影像检查无法检测早期肝纤维 化提供一种解决的新思路。

2.  本文采用三种不同的参数估计算法估计ARMA模型特征，比较了不同参数估计 算法、不同模型阶数和不同ROI大小内的ARMA模型特征对早期肝纤维化分类识别的 效果。提出将肝纤维化5级分期分为三类，意义在于如果能区分出正常肝、轻度中度肝 纤维化、重度肝纤维化，也有着很高的临床意义。此外，准确区分出肝纤维化5级，有 利于临床上动态监测肝纤维化程度，便于对肝纤维化治疗的疗效评价。

3.  最后，作者基于MFC平台，在VS2010开发环境下开发出了基于ARMA模型 的早期肝纤维化程度识别系统，为在体人肝的纤维化程度检测奠定基础。

成都华西华科研究所研究生产销售多种肝纤维化早期无创检测仪肝硬化早期无创检测仪定量剪切波超声肝脏测量仪

联系人：王经理  手机：13072875151
电话：  028-65830598  028-67708638
传真：028-67708638  QQ：110480527 
邮箱：samwangcn@126.com 
网址：www.gyhgyh.com

地址：成都市高朋大道5号