一项初步研究：早期胃癌链接彩色成像的RGB像素亮度的特性

抽象

背景和目的。联彩色成像（LCI）帮助屏幕，并通过在不同粘膜颜色对比诊断早期胃癌。RGB（红，绿，蓝）像素的亮度的颜色量化，这是比较目标。有限的研究已经结合RGB LCI图像，以帮助屏幕早期胃癌（EGC）。我们的目的是评估在LCI图像EGC的RGB像素的亮度特征和非肿瘤领域。方法。我们回顾早期胃癌（EGC）患者和LCI图像。所有的照片是由至少两个内镜医师评估。在MATLAB软件进行LCI图像的RGB像素亮度分析癌症与非癌症领域进行比较。受试者工作特征（ROC）曲线分析灵敏度，特异性，截止，和面积曲线（AUC）下。结果。总体而言，38名早期胃癌患者38个LCI图像就读。红，绿，并在癌症蓝色像素亮度明显高于癌旁中地区的显着升高（ 与 ， ; 与 ， ; 与 ， ，分别）。幽门螺杆菌plyori（Hp）感染是不相关的EGC的RGB分布。是否胃炎京都分类（KCG）的得分≥4或<4，红，绿像素的亮度，和蓝色未在癌症和非癌症的干扰（ ）。计算用于从非癌症鉴别癌症受试者工作特征（ROC）曲线。曲线（AUC）下的最大面积为0.767在B / G，具有0.605灵敏度，0.921特异性，和0.97的截止。结论。RGB像素亮度为区分早期胃癌为LCI图像非常有用，更客观。

1.背景和目的

中国是胃癌的高发国家。根据最新的世界卫生组织的数据，胃癌在2018年估计年龄标准化发病率是20.7每10万[1]。这也是癌症相关死亡的第三大原因。早期胃癌症状隐蔽。大多数患者确诊时已是晚期一个贫穷的五年存活率。因此，筛查和早期诊断对于EGC是至关重要的，特别是那些具有高的危险因素，如幽门螺杆菌感染 [2]和肠化生。单独白光内镜观察是不够的。蓝色激光成像（BLI）是新开发的图像增强内窥镜（IEE）系统，它具有两个激光光源。LCI的观察模式是独立外部评价系统所提供的四种模式之一。其主要特点是色彩增强功能，使得它更容易识别粘膜的颜色略有差异[3]。例如，与HP感染病灶被确定用红色的扩散[4]。肠上皮化生的病变紫色或淡紫色颜色标识[五]。EGC在LCI通常呈现为带黄色的颜色为红色区域，而晚期癌症的呈现为白色颜色的红色区域[6]。考虑到医生的主观判断，漏诊是不可避免的[7]，特别是对于没有经验的医生内镜。

RGB（红，绿，蓝）颜色是光的三色。RGB叠加的不同比例的监视器上形成不同的颜色。考虑到颜色可以量化，RGB像素亮度模型可以是用于筛选EGC相对客观。基于另一个初步研究中，RGB像素的亮度是在胃炎患者LCI和白色光成像（WLI）之间的不同8]。据我们所知，是否KCG得分与Hp感染会影响RGB像素亮度判断早期胃癌是未知的。在这项研究中，我们旨在EGC患者在LCI图像的癌症和非癌症领域的RGB像素亮度的特点，也考虑KGC和Hp感染的RGB分布的影响。

2.方法

这是一个单中心的回顾性研究。我们分析了患者WLI和LCI图像诊断为2018年3月和2019年八月入选标准间早期胃癌如下：（1）该患者均接受WLI和LCI。（2）对患者进行诊断，首先早期胃癌和由病理证实。（3）有一个负的手术切缘。（4）肿瘤区和具有相同的大小和类似的亮度在相邻的非癌性区域可以在同一LCI图像中找到。谁的病人有胃癌晚期，谁是Hp阴性根除治疗后，或谁不符合上市被排除在外的标准。

我们首先编号为包括患者和收集基本信息，包括性别，年龄，HP感染和胃癌家族史。（;富士胶片株式会社，东京，日本VP4450HD）所有图像从LASEREO系统获得。我们独立评估列入胃炎京都分类（KCG）五，内镜所见[9]：（1）萎缩无（没有萎缩），轻度（C1，C2），中度（C3，01），和重度（O2，O3）;（2）肠化生-灰白色，轻微乳白色，扁平，隆起性病变各种尺寸的;（3）放大倍放大和曲折胃体的褶皱，不平整时吹入;(4) nodularity—nodular or granular elevated lesions measuring 2-3 mm are uniformly distributed in the antrum and angle; and (5) diffuse redness. KCG was evaluated by at least two experienced endoscopic physicians. If the two endoscopic physicians had different opinions, then they sought the advice of a third senior physician.

所有病变内镜下经内镜黏膜下剥离术（ESD）切除。大小和癌症利润率切除标本进行评估，以确保相邻黏膜良性越好。基于EGC的病理表现，我们认为相邻粘膜的非肿瘤区域。然后，我们评估癌症和在没有放大相同的视图中的周围非癌性粘膜之间的RGB的对比度。对于每位患者，我们在特写或中间视图中选择的一种清晰LCI图像。其中癌症区和具有相同的大小和类似的亮度与相邻非肿瘤区域不能在同一时间被发现的图像被排除在外。

MATLAB软件（MATLAB_R2017b为Mac）用于LCI图像计算像素亮度（图1）。在MATLAB软件，我们改造的图像转换为被显示为三维图形双精度数据。然后，该软件会分析红色，绿色和蓝色的分布，形成三个二维矩阵。每个RGB值提取进一步统计中。这项研究是在中国临床试验注册处注册（ChiCTR1900021827）3月11日，2019年我们已获得来自北京医院的老年医学国家中心（编号2019BJYYEC-023-01）机构审查委员会，伦理审批。

2.1。统计

统计分析均在SPSS 25.0版本的Mac进行。在MATLAB软件进行图像分析量化。正态分布连续变量表示为 并利用学生的比较 -测试。非正态分布变量以中位数和四分位。一个配对样本 -试验是在比较红，绿，癌症和非癌症区域之间蓝色像素的亮度使用。不同的RGB算术ROC曲线进行分析。的敏感性，特异性，截止，和AUC进行了计算，分别。一个值<0.05在每个分析被认为是统计学上显著。

3.结果

3.1。临床特点

38确诊为早期胃癌和38倍的图像例患者。本研究中的患者的特征示于表1。EGC的不同形状在图被证明2。患者阴性Hp感染指那些在最近的调查结果未感染Hp的前面和消极的。在36例患者术后病理诊断为高分化。为低分化两名患者进行了表征。一个病灶既包括出租人曲率和胃窦的前壁。确诊为EGC全部病变限于内窥镜切除后的粘膜下层或。使用的癌症切除标本EGC的相邻粘膜组织学表现进行了研究。

3.2。RGB像素亮度癌症和非致癌

为了确保该RGB结果不受由从光源的不同距离的不同亮度特性的干扰，我们选择了癌症区域并用相同的LCI图像中的相同的尺寸和类似的亮度非癌症区域。红，绿，蓝的癌症区域的像素亮度是所有高于癌旁的区域显著较高（表2）。无论是HP感染呈阳性或阴性，有在RGB分布癌症和非癌症方面都没有显着性差异（表3）。

3.3。KCG

根据基于WLI的KCG得分，LCI图像被分为两组， 和 。是否 要么 ，在癌症中的红色和蓝色像素的亮度在统计学上比非癌症更高。然而，绿色像素亮度较高的癌症都 和 ，但无统计学意义。之间不存在RGB像素的亮度差 和 （表4）。

3.4。鹏

上面的数据的理由，我们创建了ROC曲线用于通过不同的像素的亮度特性和各种计算方法从非癌症分化癌（表五，图3;鹏）。最大AUC为0.767在B / G，具有0.605灵敏度，0.921特异性，和0.97的截止。R / G具有0.816的最高灵敏度。因此，R / G和B / G可以是用于内窥镜检查期间EGC筛选潜在标记物。

4。讨论

在本研究中，我们使用了定量的方法来评估恶性病变和周围粘膜之间的色差。我们的研究表明RGB像素亮度的可行性，以从非癌性区域区分EGC，特别是在R和B.从LCI图像转化的那些三维图提供了更直观的方法来分析EGC颜色。在ROC各种计算方法提供在R / G，在B / G的最高的特异性最高的灵敏度，而在B / G的最大AUC。这些计算方法可以对EGC潜在内窥镜制造商。

RGB分析是由国际电工委员会为能够描述三个颜色通道及其相互叠加，已被广泛应用于图像处理和数字媒体定义。Sun等。首先施加RGB的比率在LCI图像诊断胃粘膜病变，和他们发现R /（G + B）为最大AUC与0.514的灵敏度和0.773特异性[8]。然而，大多数情况下是慢性胃炎，只有2例为胃癌。在本研究中，我们侧重于EGC和进行不同的计算方法，包括R /（G + B）。考虑到在不同的元素癌症和非癌性之间的差异，我们终于证实B / G作为电位标记。具有高灵敏度和特异性，这些值可以作为在临床实践中用于EGC和良性病变之间的鉴别被施加的评价指标。此外，我们将寻求更精确的计算方法。关于涉及EGC内镜检查结果的定量，其他颜色成分值（L ，一个 ，和b ）[10]被用来确认LCI图像具有相比WLI EGC和周围粘膜之间的较高的颜色对比。此外，将L一个b颜色空间甚至可以具有在EGC病变表面的血管密度的关联[11]。

我们的研究选择了RGB模式，而不是升一个b颜色模型。主要的原因是使L表示亮度，这是根据内窥镜容易地不一致，并且可能会影响评估。此外，L一个b被认为是与设备无关的颜色模型。大号一个b描述了被显示颜色的方式，而不是特定颜色的量要求的设备[12]。虽然RGB和L一个b可以相互转换的，有时[13]，RGB模型已经包含在屏幕上足够的颜色。

此外，RGB颜色空间演示设备相关颜色，这意味着RGB反映胃镜显示的原始颜色。出于这个原因，RGB和其它统计测量的现有计算是在胃癌的自动分类深卷积神经网络必要[14]。在另一机器学习研究中，RGB提取差异有助于证明乙酸 - 靛蓝胭脂红色素内镜是适于EGC [诊断15]。RGB分析在不仅EGC也是大肠病变的诊断具有重要作用。例如，RGB和它们转化值协助形成计算机辅助诊断系统，该系统是基于LCI图像预测大腺瘤性息肉的组织学结果[16]。总之，与RGB图像LCI组合是用于筛选EGC客观和定量的方法。

相比WLI，LCI特别增强的一个正常色素，平坦的知名度，以及凹陷性病变，这有助于早期检测胃粘膜癌[3]。因此，RGB像素的亮度，以改善筛分EGC的精度的电势的方法是LCI一个额外的好处。KCG提出了在日本消化器内窥镜学会第85届大会[17]。萎缩，肠化生，和弥漫发红的内窥镜检测用胃癌的风险相关联9]。在这项研究中，KCG比分并没有从非癌症肿瘤区分影响RGB。红色和蓝色像素的亮度仍然高于癌比非癌症。然而，RGB像素亮度没有体现太大的区别 和<4。虽然较高的得分KCG是指胃癌的风险较高，幸运的是，EGC的RGB特征不是由KCG干扰。由于我们的样本量太小，我们只设置了KCG比分4作为临界值。我们将继续探索KCG对RGB分布的影响。也许，扩大我们的样本量时会有在非癌症略有差异。

从LCI增强的胃底腺粘膜的漫发红的内窥镜图像中受益，LCI为HP感染的诊断比WLI [更有用4]。LCI可以发挥对HP感染的实时诊断有价值的初步筛选方法高精度[18]。根除幽门螺杆菌成功后，一些LCI功能，例如地图状发红和不存在收集小静脉中的常规布置的涉及胃癌[19]。尽管如此，HP感染，对我们的研究EGC的RGB诊断没有影响。患者是否具有HP感染与否，从周围的黏膜EGC不同的RGB分布。用Lab模式的另一项研究表明，LCI允许的萎缩边界清晰内窥镜观察，它是否有HP感染或HP-根除状态[20]。这个结果与我们的研究相似。

在此期间，这些被自动由RGB像素亮度所产生的3维表面图是恶性病变和周围粘膜之间显著不同。因此，它们也可以作为重要参考，以确定，因为它的可视化的EGC。

此外，Sun等。[21]建立了一个基于LCI内窥镜模型称为彩色显微血管标准来提取颜色特征，这使得用于预测慢性非萎缩性胃炎，慢性萎缩性胃炎和胃癌。这是一个创造性的想法，并可能与RGB相结合，以提高诊断胃黏膜病变和效益目标活检的准确率和效率。此外，RGB可能有助于深度学习人工智能培养诊断EGC的优异能力。

我们的研究也有一些局限性。首先，本次试点研究是一个单中心的回顾性分析，并从我们的电子数据库共检索存储的图像。仍然选择偏倚的可能性。因此，实时诊断评估将在未来进行。其次，样品大小为小，只有38 LCI图像被纳入，而EGC有繁杂的类型和颜色。此外，分界点（ 和 ）可能不适合，并且需要大的样本大小和分层分析。然而，作为一个试点研究，我们的研究结果可能是能为LCI图像的计算机辅助基于RGB的分析在EGC分化的临床应用提供相对可靠的证据。第三，我们排除了Hp阴性患者根除治疗后。我们不知道这些病人的EGC的RGB特性是否会改变。在临床应用中EGC分化LCI图像的计算机辅助基于分形分析的多中心大规模前瞻性研究的预期。

综上所述，LCI是在内镜诊断技术，显著提高了早期胃癌的发现由病变和背景粘膜之间更强的色差率的新的革命。我们证明了RGB色彩模式可以量化EGC地区和周边地区之间的LCI图像的差异，而不受KCG或Hp感染。这种定量方法可以允许容易识别和早期发现早期胃癌的过程中内镜手术无论是有经验的或缺乏经验的医师内镜。此外，还可以嵌入的RGB特性的先验知识为机器学习模型追求的有效性和准确性筛选EGC。

数据可用性

用来支持这项研究的结果的数据是可用的，请相应的作者。

利益冲突

有没有利益冲突申报。

致谢

笔者从对技术援助的307医院军医科学院的感谢烟柳和腾辉栋。作者还从北京协和医院感谢徐涛统计指导。从北京医院内窥镜中心的同事们感谢他们的支持。笔者想感谢北京医院临床研究121项目资助这项研究（BJ-2019-199）。

参考

1. “估计年龄标准化发病率（世界）在2018年，所有的癌症，男女，老少皆宜，”http://gco.iarc.fr/today/home。查看在：谷歌学术
2. Y. C. Lee和J. T.林，“筛选和治疗幽门螺杆菌感染胃癌预防的人口水平，”胃肠病学和肝病学杂志卷。32，没有。6，第1160至1169年，2017年。查看在：出版商网站|谷歌学术
3. Y.北川，铃木T.，T。Hara等人，“链接的彩色成像提高胃粘膜癌症的内窥镜可视性，”内镜国际公开赛卷。7，没有。2，第E164-E170，2019。查看在：出版商网站|谷歌学术
4. O.土肥，N.八木，Y. Onozawa等人，“链接的彩色成像的改进活性内窥镜诊断幽门螺杆菌感染，”内镜国际公开赛卷。4，没有。7，第E800-E805，2016。查看在：出版商网站|谷歌学术
5. S.小野，Y.小野和N.坂，“喷涂L-薄荷醇增强了胃肠化生在链接彩色成像，”消化内镜卷。31，没有。3，第E70-E71，2019。查看在：出版商网站|谷歌学术
6. Y. Yoshifuku，Y. Sanomura，S. Oka等人，“使用链接的彩色成像和蓝色激光成像早期胃癌的可见性的评价，”BMC胃肠卷。17，没有。1，P。150，2017年。查看在：出版商网站|谷歌学术
7. W.仁，J.宇，Z. M.张，Y. K.宋，Y H.李，和L.王，“早期胃癌或高级别上皮内瘤漏诊，”世界华人消化杂志卷。19，没有。13，第二零九二年至2096年，2013。查看在：出版商网站|谷歌学术
8. 十日，T董，Y Bi等。“为提高内镜诊断准确链接彩色成像应用的初步研究”科学报告卷。6，没有。1，文章33473年，2016年。查看在：出版商网站|谷歌学术
9. S.七条，Y.平田，R. Niikura，Y.早川，A.山田，和K.小池，“胃癌和胃炎的京都分类之间协会”胃肠病学和肝病学杂志卷。32，没有。9，第1581至1586年，2017年。查看在：出版商网站|谷歌学术
10. H.福田，Y.三浦，H. Osawa等人，“链接的彩色成像可以增强由高色彩对比度识别早期胃癌的周围的胃肠化生，”胃肠病学杂志卷。54，没有。5，第396-406，2019。查看在：出版商网站|谷歌学术
11. T.藤吉，R.宫原，K.船坂等人，“连接的彩色成像早期胃癌的内窥镜诊断的实用程序”世界华人消化杂志卷。25，没有。10，第1248至1258年，2019。查看在：出版商网站|谷歌学术
12. Z.荣华，C.洪武，Z.小廷，P.茹茹和L.基虹，“基于FCM算法色织面料无监督颜色分类，”在2010年国际人工智能和计算智能，第497-501页，中国三亚，2010年10月。查看在：出版商网站|谷歌学术
13. D.翔和B.钟“在合成的彩色空间尺度空间显着性检测，”在2015年中国自动化大会（CAC），第726-731，中国武汉，2015年11月。查看在：出版商网站|谷歌学术
14. H.夏尔马，N.泽布，I. Klempert，O. Hellwich和P. Hufnagl，“在数字病理学使用整个幻灯片图像胃癌的自动分类深卷积神经网络，”计算机化医学影像和图形卷。61，第2-13，2017。查看在：出版商网站|谷歌学术
15. R.小川，J.西川，E. Hideura等人，“色素内镜与支持向量机的效用性的客观评估”中华胃肠癌卷。50，没有。3，第386-391，2019。查看在：出版商网站|谷歌学术
16. M.闽，苏S.，W.他，Y.碧，Z.马和Y.刘，“计算机辅助使用链接的彩色成像结肠镜检查来预测组织学大肠息肉的诊断，”科学报告卷。9，没有。1，P。2881，2019。查看在：出版商网站|谷歌学术
17. 菅野K.，J.粘性，E. J.库伊佩尔斯等人，“京都全球共识的报告幽门螺杆菌胃炎，”肠道卷。64，没有。9，第1353至1367年，2015年。查看在：出版商网站|谷歌学术
18. T. H.陈，C. M.许，H. T.郑等人，“链接的彩色成像可以帮助胃幽门螺杆菌感染的诊断内窥镜中，”[中国医学会卷。81，没有。12，第1033至1037年，2018。查看在：出版商网站|谷歌学术
19. A.间岛，O.土肥，S. Takayama等人，“成功根除后胃癌相关联的彩色成像识别的重要危险因素幽门螺杆菌”胃肠内镜卷。90，没有。5，第763-769，2019。查看在：出版商网站|谷歌学术
20. K.水上，R.小川，K. Okamoto等人，“与关于胃粘膜萎缩联彩色成像目的内窥镜分析的初步研究”消化内科的研究与实践卷。2017年，文章编号5054237，7页，2017年。查看在：出版商网站|谷歌学术
21. X.太阳，Y.毕，T. Dong等人，“链接的彩色成像利于远侧胃疾病的内窥镜诊断，”科学报告卷。7，没有。1，5638条，2017年。查看在：出版商网站|谷歌学术

版权

版权所有©2020薛蔌嗯和李钊。这是下发布的开放式访问文章知识共享署名许可，其允许在任何介质无限制地使用，分发和再现时，所提供的原始工作正确的引用。