2.2  图像定量分析基本概念

计算机图像的分析其实就是通过计算机图像分析软件对图像的结构进行定量的测试计划，通过对图像的相关结构参数来对图像测试。然后通过统计学的方法来分析测试结果，提取出比较有针对性的特征参数来对定量进行描述和表达。通过对不同细胞的比较和组织的结构的参数进行判别分析来简历判别函数，就可以实现对细胞的相关定量的识别以及分类了。对细胞的图像进行定量分析，需要一些结构参数，图像的结构特点可以通过对参数值的大小来体现出来。图像定量的事的指标和分析的基础就是结构参数。在本课题研究中需要用到的是图像定量分析中常用的三大类参数之一的几何参数，几何参数只要用户描述几何结构的特征和相对大小的结构。所用到的是平面结构的参数，包括面积，周长，长径，短径，面积密度等。这些品面结构参数可以通过图像分析系统来直接测得。在计算机图像分析所测试的结果，要充分看到计算机图像分析的优点和局限性，不应只是站在图像的定量分析的角度来片面的夸大计算机在图像分析方面的作用，也不应该只是单纯的从定性的角度来否认或者是排斥计算机图像分析的作用。需要将定量的数据与定性的资料来相结合从何才能够充分的利用定性的资料所包含的各种信息。

2.3  显微定量

    目前子宫内膜增生和癌症方面的研究存在大量的主观可变性因素，定量的分析方法是用来区分子宫内膜增生和子宫内膜癌症的可行性研究，允许显微特征的客观评估,因此可以被用来避免由于主观方法引起的诊断的变更，是组织病理学诊断的客观方法。对于子宫内膜非典型增生与高分化腺癌的诊断在不同的病理学家之间甚至在同一个病理学家的不同时期有相当大的变动。结果，同一个显微切片可能在曾经被当做一个典型的腺增生，以及一段时间后被同一个或另一个病理学家诊断为高分化腺癌。大体上说，虽然只有少数人在被诊断为腺增生后切除了子宫，实际却有癌的表现，但是安全的临床实践就是为了将这疑似病例以恶性的性质对待。这些观察表明了对非典型增生与癌症诊断的客观评价的需要。而定量的显微术使其变成了可能，在病理学中这项技术得到了大量运用。另外，这个方法或许会呈现出不同与改变，它避免了主观观测。当用于分科病理学时如果在观测者之间有大的变化，这尤为确切。

    每个案例分为：1.轻度非典型增生MH；2.重度非典型增生ATHY；3.高分化腺癌WDC；4.中低分化腺癌MDC。“IN-BETWEEN”诊断也被允许。考虑特征有：1腺体结构异常（包括缺乏或明显基质入侵）；2细胞异常；3核异常。有广泛鳞化状上皮化的细胞被排除在外。通常在几周后，材料会由相同病理学家和相似方式重新评估，病理学家诊断的分歧或个人诊断改变导致‘In-Between’（边界）诊断剔除。定量特征除了使用通常测量细胞的变量之外，还可以另加增加一个核特征：

    核大小＝√(S／л)

通过这种方式，共有26个特征（12个结构相关特征，7个核大小和7个核大小相关特征）可以被用于判断细胞的特性，然后在实际操作中会由于种种原因的受限，可以只抓住几个重要的有代表性的特征。通常使用的定量特征如下表所示：

表2.3.1 使用的定量特征

 基质体积百分比                        ％ 腺平均直径                        4C法则医学图像中不规则形状识别与处理研究(3):http://www.youerw.com/jisuanji/lunwen_69327.html