使用应变弹性成像的早期乳腺癌肿瘤检测位移估计方法性能评估

《Signals》：Performance Evaluation of Displacement Estimation Methods for Early-Stage Breast Cancer Tumor Detection Using Strain Elastography Alexey García Padilla, Ivonne Bazán Trujillo and Carlos A. Negreira Casares

　　

应变弹性成像中的位移估计方法利用超声信号估计软组织中的位移和应变。尽管存在多种方法，但在受控模拟条件下对小于5毫米病灶的系统性比较有限。评估浅表深度和中等深度小乳腺癌病灶的轴向准确性具有临床重要性，因为使用现有技术进行早期检测仍然具有挑战性。在本研究中，研究人员使用散斑跟踪、多普勒方法和联合自相关方法（CAM）从模拟弹性成像信号中估计轴向位移。使用均方根误差（RMSE）评估这些方法在包含健康组织-肿瘤-健康组织的三层模型中的位移场、应变和肿瘤大小估计性能。针对最小病灶情况，考虑了解剖学真实组织与运动伪影条件进行了扩展分析。最后，对获得最佳结果的CAM方法在不同信噪比（SNR）/应变值下进行了评估。模拟结果表明，在所有测试中，CAM在浅表深度和中等深度的早期肿瘤大小位移估计方面均优于其他方法。

**论文解读：基于应变弹性成像的早期乳腺癌肿瘤检测位移估计方法性能评估**

**研究背景与问题**
应变弹性成像（Strain Elastography, SE）通过超声信号评估组织机械特性（如刚度），可区分恶性肿瘤与健康组织，因其肿瘤通常刚度更高。然而，现有SE技术对早期小肿瘤（直径<5 mm）的检测能力有限，尤其是导管原位癌（Ductal Carcinoma in Situ, DCIS）等微小病变。文献中，SE与剪切波弹性成像（Shear-Wave Elastography, SWE）各有优劣：SE在检测小肿瘤（<16 mm）时可靠性较高，但缺乏对<5 mm肿瘤的系统性方法比较；SWE在<4 mm肿瘤中准确性低。临床实践中，早期检测至关重要，但现有位移估计方法（散斑跟踪、多普勒方法、联合自相关方法）在小肿瘤场景下的性能尚未在受控条件下全面评估。本研究旨在填补这一空白，通过模拟三层组织模型（健康-肿瘤-健康），评估三种方法在浅表（1 cm）和中间（3 cm）深度对1 mm、3 mm、5 mm DCIS肿瘤的位移场、应变和大小估计的准确性。论文发表在《Signals》。

**研究内容与结论**
研究人员构建了单包含模型（Single-Inclusion Model, SIM），采用Rayleigh–Ritz方法计算理论位移场，模拟超声探头（5 MHz中心频率、58%带宽）在压缩下的射频信号，散射子服从伽马分布。通过100次蒙特卡洛运行，以均方根误差（Root Mean Square Error, RMSE）评估三种方法在肿瘤区域的性能，并扩展分析了解剖学真实条件（刚度梯度、边界过渡、20%肿瘤刚度变异、30%背景变异）和运动伪影（生理运动、换能器滑移）。结论表明，联合自相关方法（Combined Autocorrelation Method, CAM）在所有测试中均优于散斑跟踪和Doppler方法，尤其在1 mm肿瘤检测中，浅表和中间深度的RMSE分别低至0.0026 mm和0.0013 mm；CAM还能提供更准确的肿瘤大小估计（如1 mm肿瘤中间深度误差10 μm），且在解剖学真实条件下RMSE膨胀最小（位移10%、应变13%）。CAM的优越性源于其同时利用包络相关和相位信息，避免了Doppler方法的相位混叠限制和散斑跟踪的高计算成本。

**主要技术方法**
1. **单包含模型（SIM）**：模拟三层组织（健康-肿瘤-健康），肿瘤刚度4.5倍于健康组织，使用Rayleigh–Ritz法计算位移场。
2. **超声信号仿真**：采用多项式包络法模拟5 MHz探头脉冲，散射子按伽马分布（n=40, τ?=1.3 μs）生成，信号采样率80 MHz，信噪比（SNR）设为35 dB。
3. **三种位移估计方法**：
- 散斑跟踪：基于互相关（Cross-correlation）估计轴向位移，需高计算量。
- Doppler方法：基于基带信号相位差（Phase Difference）估计位移，最大可检测位移为λ/2。
- 联合自相关方法（CAM）：结合包络相关与相位解缠绕，通过多分支处理实现大应变（0.05%–5%）估计。
4. **性能评估指标**：RMSE及标准差，100次迭代；肿瘤大小估计采用50%、70%阈值和半高宽（Full Width at Half Maximum, FWHM）法。

**研究结果**

**4.1 位移场估计的RMSE**
在肿瘤区域，CAM的RMSE最低，尤其对1 mm肿瘤：浅表深度（1 cm）为0.0026±0.0001 mm，中间深度（3 cm）为0.0013±0.0001 mm；Doppler方法在3 mm和5 mm肿瘤中间深度时接近CAM，但整体CAM稳定性更高。浅表深度因信号去相关更强导致误差较大。

**4.2 应变估计的RMSE**
应变由位移梯度（dξ/dz）计算，经平滑后与理论值比较。CAM在1 mm肿瘤浅表深度RMSE为0.0030±0.0002，中间深度为0.0015±0.0001；所有肿瘤尺寸下CAM均表现最佳，且标准差最低。

**4.3 肿瘤大小估计误差**
采用50%和70%阈值及FWHM法。50%阈值下，CAM对1 mm肿瘤中间深度估计值为1.010±0.005 mm（95%置信区间最窄），误差10 μm；浅表深度误差44 μm。Doppler方法在50%阈值下无法检测1 mm肿瘤，散斑跟踪完全失败。FWHM法下，CAM估计值最接近理论值。

**4.4 解剖学真实与运动伪影条件下的评估**
加入刚度梯度（0.62 mm过渡区，刚度下降77.7%）、背景变异（30%）和运动伪影（0.1–0.3 mm提升位移、1%附加压缩）后，CAM的RMSE膨胀最小（位移10%、应变13%），Doppler方法次之（12%、13%），散斑跟踪最差（18%、20%）。FWHM法下CAM仍最优。

**4.5 计算性能比较**
在MATLAB R2025a（Intel i7-13700H, 2.40 GHz, 16 GB RAM）上，Doppler方法帧率最高（>20 fps），CAM次之（20 fps），散斑跟踪不满足实时要求。

**4.6 CAM的SNR/应变依赖性分析**
低应变（0.5%）时，CAM的RMSE随SNR（10–40 dB）增加而降低，标准差稳定；高应变（5%）时RMSE增大但标准差随SNR改善。失败率（SD > 0.1 RMSE）仅出现在0.5%应变、SNR=10 dB场景，其余均成功。

**讨论与结论**
讨论部分指出，CAM通过粗包络相关和细相位调整结合，在小肿瘤（<5 mm）检测中显著优于其他方法，能更清晰区分肿瘤边缘，且对噪声和运动伪影鲁棒。其他误差源（如相位畸变、换能器参数）在低应变（≤1.76%）下影响有限。结论：CAM能有效检测浅表和中间深度的小于5 mm早期肿瘤，为临床筛查提供可靠方法，尤其适用于低成本设备。研究结论翻译如下：
“检测更小的肿瘤对信号处理算法日益困难，因为肿瘤区域内的位移分布更难以解析。非常小的肿瘤（如早期毫米级）提供的位移场和应变估计样本极少。早期检测对防止肿瘤进展至关重要。本研究考虑了1 mm至5 mm的肿瘤尺寸，基于真实临床病例。联合自相关方法（CAM）被证明是使用应变弹性成像检测早期乳腺肿瘤的高效方法，能够在三层模型（健康组织-肿瘤-健康组织）中检测小于5 mm的中间深度肿瘤以及1 mm的表浅肿瘤。CAM的优越性源于其同时利用散斑信号中的幅度和相位信息，而其他方法未充分利用。该方法先通过相关包络获得粗位移估计，再利用压缩前后信号的相位差进行精确调整。”