基于痰涂片巴氏染色色度学特征的肺癌脱落细胞的模式识别研究
作者：陶金华, 申 洪, 周春辉, 陆药丹, 邓敏
【摘要】 目的 探讨基于巴氏染色色度学参数的痰涂片肺癌脱落细胞的模式识别方法，为肺癌脱落细胞的机诊断奠定基础。方法 研究分为学习组和评价组，两组均进一步分为正常组和肺癌组；两个正常组又均分为正常的柱状上皮细胞、鳞状上皮细胞和组织细胞组；两个肺癌组又均分为鳞癌、腺癌、大细胞癌及小细胞癌细胞组。选取的参数包括上述细胞的红、绿、蓝三基色及三基色系数，核的红、绿、蓝三基色及其三基色系数。根据学习组测试结果建立判别函数，计算回代判别符合率；用评价组细胞判别诊断的准确率。结果 所建立的判别函数对学习组正常与肺癌细胞判别的符合率分别为62.5%、95.9%，对评价组两组细胞判别诊断的准确率分别为63.4%、95.5%；对学习组鳞癌、腺癌、大细胞癌和小细胞癌癌细胞判别的符合率分别为72.5%、46.2%、81.2%、56.5%，对评价组四类癌细胞判别的准确率分别为71.8%、44.7%、82.7%、57.9%；对正常组柱状上皮细胞、组织细胞及鳞状上皮细胞判别的符合率分别为100.0%、95.8%、94.2%，对评价组三类正常细胞判别诊断的准确率分别为100％、95.8%、94.2%。学习组的判别符合率与评价组的诊断准确率两者间差异无显著性。结论 用整个细胞及核的色度学参数建立的逐步判别函数对于判别痰涂片中的正常细胞与肺癌细胞，正常的柱状上皮细胞、组织细胞和鳞状上皮细胞，以及肺的鳞癌、腺癌、小细胞癌和大细胞癌四类亚型肺癌细胞有重要的价值，对于肺的小细胞癌及腺癌细胞的判别效果不佳；基于所建立的判别函数，提出了痰涂片肺癌脱落细胞色度学定量判别分析路径。
【关键词】 肺癌； 巴氏染色； 痰涂片； 脱落细胞； 色度学； 模式识别
Study on pattern recognition for exfoliative cells of lung cancer
Abstract: Objective The aim of this study was to explore the methods of pattern recognition on lung cancer exfoliative cells in sputum smears based on the chromatic parameters, to establish a foundation of discrimination and classification of lung cancer exfoliative cells applying computer. Method The samples were divided into leaning group and evaluation group. The exfoliative cells included columnar epithelial cells, squamous epithelial cells, histiocytes, and cells of squamous cell carcinoma, adenocarcinoma, small cell carcinoma and large cell carcinoma. The chromatic parameters included three primary colors of cells and nuclei and their coefficient. The parameters submitted to stepwise discriminate analysis. The effects of discrimination between learning and evaluation group were compared. Results The coincidence of the function discriminating normal and cancer cells in learning group was 62.5% and 95.9%, respectively, that in evaluated group was 63.4% and 95.5%, respectively. The coincidence of the function discriminating cells of SqCa, AD, LCC and SCC in learning group was 72.5%, 46.2%, 81.2%, 56.5%, respectively, that in evaluated group was 71.8%,44.7%,82.7% and 57.9%, respectively. The coincidence of the function discriminating cells of CE, HC, SqE in learning group is 100.0%, 95.8%, 94.2%, respectively, that in evaluated group was 100.0%, 95.8%, 94.2%, respectively. There was no significant difference on coincidence of the stepwise discrimination function between learning and evaluated group. Conclusions The discriminate function based on three primary colors and their coefficient has an important significance to discriminate between normal cells and lung cancer cells, and help to classify the lung cancer cells. However, there isn?t noticeable value in discriminating the cells of AD and SCC. Therefore, a strategy has been proposed for discrimination of exfoliative cells in sputum smears based on chromatic features.
Key words: lung cancer; Pap staining; sputum smear; exfoliative cells; chromaticity; pattern recognition
我们在应用计算机图像分析技术对痰涂片中脱落的正常柱状上皮细胞（Columnar Epithelium Cell, CE）、组织细胞（Histiocyte, HC）、鳞状上皮细胞（Squamous Epithelial Cell, SqE）及肺的鳞癌（Squamous Cell Carcinoma, SqCa）、腺癌（Adenocarcinoma, AD）、小细胞癌（Small Cell Carcinoma, SCC）和大细胞癌（Large Cell Carcinoma, LCC）癌细胞的细胞与核的红基色（Rc、Rn）、绿基色（Gc、Gn）、蓝基色（Bc、Bn），以及细胞与核的红基色系数（rc、rn）、绿基色系数（gc、gn）和蓝基色系数（bc、bn）的定量测试中发现这些色度学参数对于区别痰涂片中的CE、HC、SqE、SqCa、AD、LCC和SCC细胞及区别正常细胞与肺癌细胞有重要的价值［1］。为进一步实现计算机对痰涂片肺癌细胞的诊断判别，我们用逐步判别分析原理及方法对上述7类细胞的色度学测试结果进行了逐步判别分析，建立了逐步判别函数，并评价了各逐步判别函数对上述细胞的实际判别诊断效果。以下是我们的研究。
1 材料与方法
研究分为学习组和评价组，学习组采用我们前文［1］中所收集的160例确诊肺癌患者及正常人痰液标本，评价组取南方病理科2005年确诊肺癌患者及正常人的痰液标本，共计125例。病例选择标准及依据同前文［1、2］具体病例分组及其细胞构成情况见表1。 表1 正常细胞及肺癌细胞病例的分组及细胞构成 痰液常规涂片，95％乙醇固定，巴氏染色。在安装了数码摄像机（JVC，TK?C1481BEC）的光学显微镜（Olympus，BX51TF）40倍物镜下采集痰涂片中上述各类细胞的图像并输入计算机中，用ImagePro图像分析软件分别测试整个细胞及核的色度学参数。选取的色度学参数有Rc、Gc、Bc、rc、gc、bc和Rn、Gn、Bn、rn、gn、bn。
用SPSS12.0统计软件对学习组的测试结果进行逐步判别分析，建立逐步判别函数并计算回代判别符合率（回代判别符合细胞数/回代判别细胞总数×100％）。根据所建立的逐步判别函数对评价组细胞进行判别，计算判别诊断的准确率（判别诊断正确细胞数/判别诊断细胞总数×100％）。用χ2检验对学习组的回代判别符合率和评价组的诊断准确率进行差异显著性检验。
2 结果
（1） 用Rc、Gc、Bc、rc、gc、bc和Rn、Gn、Bn、rn、gn、bn对正常与肺癌细胞进行逐步判别分析，所建立的逐步判别函数如下：Y1=-25.888Rc+54.021Rn-96.869Gc
+70.284Gn+113.624Bc-94.420Bn
+49625.943rc+73741.295gc
+44980.985bn-29147.572，
Y2=-26.001Rc+53.940Rn-96.422Gc
+69.828Gn+113.124Bc-93.858Bn
+49500.291rc+73514.954gc
+44792.555bn-28947.013，(1)式中Y1、Y2分别为正常与肺癌细胞的判别函数，其回代判别符合率分别为62.5％、95.9％；其对评价组中正常与肺癌细胞判别诊断的准确率分别为63.4%、95.5%；χ2检验结果表明，判别函数（1） 对学习组的回代判别符合率和对评价组判别的准确率两者相比差异无显著性；对学习组中的正常与肺癌细胞的回代判别符合率和对评价组中的正常与肺癌细胞判别的准确率分别相比差异均无显著性。（见表2）
（2） 用Rc、Gc、Bc、rc、gc、bc和Rn、Gn、Bn、rn、gn、bn对SqCa，AD，LCC 和SCC四种亚型肺癌细胞进行逐步判别分析，所建立的逐步判别函数如下：Y3=0.806Rc-1.557Gc+1.140Gn
+446.036rc-173.672rn+2427.235gc
-1304.582gn-242.175，
Y4=0.659Rc-1.483Gc+1.187Gn
+481.785rc-148.966rn+2436.231gc
-1379.806gn-236.380，
Y5=1.080Rc-1.854Gc+1.231Gn
+443.487rc-185.989rn+2624.523gc
-1457.165gn-258.654，
Y6=0.777Rc-1.640Gc+1.232Gn
+505.452rc-209.967rn+2420.408gc
-1337.187gn-231.542，（2）式中Y3 、Y4 、Y5 、Y6分别为肺的SqCa，AD，LCC 和SCC癌细胞的判别函数，其回代判别符合率分别为72.5%、46.2%、81.2%、56.5%；其对评价组中SqCa，AD，LCC 和SCC癌细胞判别诊断的准确率分别为71.8%、44.7%、82.7%、57.9%；χ2检验结果表明，判别函数（2）对学习组肺癌细胞的回代判别符合率和对评价组肺癌细胞判别诊断的准确率两者相比差异无显著性；对学习组中的SqCa，AD，LCC 和SCC癌细胞的回代判别符合率和评价组中的SqCa，AD，LCC 和SCC癌细胞判别诊断的准确率分别相比差异均无显著性。（见表3）表2 学习组与评价组正常细胞和肺癌细胞的逐步判别分析及χ2检验结果表3 学习组与评价组肺的鳞状细胞癌、腺癌、大细胞癌和小细胞癌癌细胞的逐步判别分析及 χ2检验结果
Original
Standard
CountLearning GroupsEvaluated Groupsχ2TestSqCaADLCCSCCTotalAccuracy
％SqCaADLCCSCCTotalAccuracy
％χ2PSqCa1483152020472.5%1403351719571.8%1.0220.312AD527242815646.2%656721615044.7%0.0680.794LCC5106918581.2%364815882.7%0.0580.810SCC371988314756.5%20107518857.9%0.1540.695Total2421328613259262.8%228116628549162.3%0.0310.861
（3） 用Rc、Gc、Bc、rc、gc、bc和Rn、Gn、Bn、rn、gn、bn对痰涂片中正常的柱状上皮细胞、组织细胞及鳞状上皮细胞进行判别分析，所建立的逐步判别函数如下：Y7＝30.273Rn-23.949Gc+27.073Bc-19.751Bn
+22332.695gc+9512.751bn-6189.863，
Y8＝29.812Rn-25.094Gc+28.530Bc-19.483Bn
+23281.069gc+8984.966bn-6360.525，
Y9＝30.199Rn-24.327Gc+28.122Bc-19.833Bn
+23073.230gc+9253.735bn-6442.301,(3)式中Y7、Y8、Y9分别为对CE、HC和SqE的判别函数，其回代判别符合率分别为100％、95.8%、94.2%；其对评价组中CE、HC和SqE细胞判别诊断的准确率分别为98.6%、93.8%、93.4%；χ2检验结果表明，判别函数（3）对学习组中正常细胞的回代判别符合率与对评价组中正常细胞的判别诊断准确率两者相比差异无显著性，对学习组中的CE、HC和SqE细胞的回代判别符合率与对评价组中的CE、HC和SqE细胞诊断的准确率分别相比差异均无显著性。（见表4）。表4 学习组与评价组正常的柱状上皮细胞、组织细胞及鳞状上皮细胞的逐步判别分析及χ2检验结果
Original
Standard
CountLearning GroupsEvaluated Groupsχ2 TestCEHCSqETotalAccuracy
％CEHCSqETotalAccuracy
％χ2PCE12000120100.0%70017198.6%1.6990.192HC2115312095.8%27538093.8%0.4390.508SqE2511312094.2%439910693.4%0.6170.432Total12412011636096.7%767810325794.9%1.1480.284
3 讨论
关于肺癌细胞的定量研究，有些学者从肺癌细胞的蛋白表达和基因调控方面进行了研究［3～5］，有些则是对肺癌细胞核的三维结构进行定量研究［6］。本研究的特点是基于痰涂片细胞及核巴氏染色的色度学特征建立针对肺癌脱落细胞的定量诊断判别模式。
巴氏染色是痰涂片的常规染色方法，涂片中脱落细胞的颜色特征是诊断的重要依据［7，8］。我们曾对巴氏染色痰涂片中肺的角化性鳞癌、非角化性鳞癌和腺癌细胞的胞浆进行了定量测试和分析，发现红、绿、蓝三基色及其三基色系数、色度及色饱和度分析对判别肺的角化性鳞癌与非角化性鳞癌及角化性鳞癌与腺癌细胞有重要价值［9，10］。
在前一阶段的研究中，我们进一步对痰涂片中的正常和肺癌细胞的12项色度学参数进行了测试，初步筛选出对肺癌和正常脱落细胞的分类判别有价值的参数［1］。本文在此基础上对之前的测试结果进行了逐步判别分析，建立了判别函数Y1～Y9，结果显示：参数Rc、Rn、Gc、Gn、Bc、Bn、rc、gc和bn均入选我们所建立的基于色度学参数的判别正常细胞与肺癌细胞的逐步判别函数，提示参数Rc、Rn、Gc、Gn、Bc、Bn、rc、gc和bn均可作为对正常细胞与肺癌细胞有独立判别价值的参数；参数Rc、Gc、Gn、rc、rn、gc和gn均入选我们所建立的基于色度学参数的判别SqCa，AD，LCC 和SCC细胞的逐步判别函数，提示参数Rc、Gc、Gn、rc、rn、gc和gn均可作为对这四个肺癌亚型细胞有独立判别价值的参数；参数Rn、Gc、Bc、Bn、gc和bn均入选我们所建立的基于色度学参数的判别CE，HC和SqE细胞的逐步判别函数，提示参数Rn、Gc、Bc、Bn、gc和bn均可作为对这三类正常细胞有独立判别价值的参数。
回代判别结果表明：函数Y1、Y2对肺癌细胞的判别效果较好，判别符合率为95.9%，对正常细胞判别的符合率偏低，为62.5%；函数Y7、Y8、Y9对CE，HC和SqE的判别符合率均较高，分别为100.0%、95.8%、94.2%；函数Y3、Y4、Y5、Y6对肺的SqCa，AD，LCC 和SCC细胞的判别效果不一，对LCC细胞的判别效果较好，达到81.2%，SqCa次之（72.5%），SCC为56.5％，AD仅为46.2%。根据所建立的判别函数对评价组细胞进行判别并判别诊断的准确率，经χ2检验发现函数Y1～Y9对学习组的判别符合率与对评价组判别诊断的准确率两者间无显著性差异，表明函数Y1～Y9对痰涂片中脱落细胞的判别具有较好的稳定性。本文用符合率描述所建立的逐步判别函数对学习组的回代判别效果，用准确率描述对评价组的判别诊断效果，二者在计算的基本方法上并无区别。
值得注意的是，判别函数Y3～Y6对肺SCC及AD细胞的判别效果不佳，其回代判别符合率分别只有56.5％和46.2％，我们进一步采取先判别分析正常细胞、NSCC和SCC细胞，然后再判别NSCC细胞中的SqCa、AD和LCC细胞的方法，以期获得对肺癌细胞更满意的判别效果，结果对肺癌细胞的回代判别符合率与前面判别方法的回代判别符合率基本相当，χ2检验结果表明差异无统计学意义。这表明基于整个细胞及核的色度学参数还不足以区别出SCC和AD细胞的全部特征。因此，为进一步提高对肺癌及其亚型癌细胞判别的符合率，还需结合其它的特征参数来定量描述肺癌细胞的特征，如癌细胞的形态学特征，肺SCC细胞的线状分布特征及AD细胞的聚集分布特征等来对肺癌细胞及其亚型进行综合判别。
针对临床细胞病理诊断及鉴别诊断工作的需要，根据上述判别函数的判别效果，我们认为可以按照以下路径（见图1）对痰涂片中的脱落细胞进行判别分析。图1 痰涂片正常细胞及肺癌脱落细胞色度学定量判别策略路径
【】
［1］陶金华，申洪，周春辉，等. 痰涂片肺癌脱落细胞巴氏染色色度学定量研究［J］.体视学与图像分析. 2007. 12(1):62-68.［
2］马正中，阚秀，刘树范. 诊断细胞病［J］. 郑州：河南技术出版社，2000:139-160.
［3］曹晓哲，赵梅兰，于海建. 二氧化硒对GLC?82肺癌细胞株C?FOS蛋白表达的影响［J］. 中国体视学与图像分析，2003，8(1)：37-39.
［4］隋建丽，孙敬芬，曹珍山，等. DNA依赖蛋白激酶在人支气管上皮细胞癌变株和肺癌组织中的异常表达［J］. 中国体视学与图像分析，2003，8(3)：142-145.
［5］白晓燕，申洪. 甲状腺转录因子?1在肺癌细胞核中表达的定量研究［J］. 中国体视学与图像分析，2005，10(1): 24-30.
［6］张晓东，申洪. 肺癌细胞核三维结构的体视学定量研究(Ⅰ)［J］.中国体视学与图像分析，2004，9(1)：14-20.
［7］Poulsen R S, et al. Region of interest finding in reduced resolution colour imagery—application to cancer cell detection［J］. Pattern Recognition, 1995, 28(11): 1645-1655.
［8］Feisner E A. Colour［M］. Laurence King Publishing, 2001: 8-22.
［9］Hong Shen, Yaodan Lu, Yixun Zhang, Yingjie Piao: Quantitative chromatics analyses for the computer image of cytologiu subtypes of lung cancer stained by the papanicolaou［J］. Analytical and Quantitative Cytology and Histology, 2000，22 (3): 263-266.
［10］申洪, 陆药丹. 用圆形分布法分析肺癌Ⅱ型细胞的色度学特征［J］. 数理医药杂志, 1994，7(1): 35-36.
