于 鵬田嘉禾

18F-FDG PET圖像紋理分析的研究進展

于 鵬1，2田嘉禾1

PET/CT作為新一代核醫(yī)學影像診斷技術(shù)，將功能信息與解剖結(jié)構(gòu)相結(jié)合，實現(xiàn)了PET圖像和CT圖像同機融合，極大地提高了臨床診斷水平[1]。目前臨床工作中，多數(shù)醫(yī)師結(jié)合CT征象與標準攝取值（standard uptake value, SUV）對疾病進行診斷[2]。腫瘤內(nèi)的18F-FDG攝取是由多種因素構(gòu)成的，包括細胞成分、增殖、血管生成、壞死及缺氧等。每個因素都獨立地反映腫瘤具有更強的侵襲性、更差的治療反應(yīng)及預(yù)后。然而，僅憑借SUV值并不能完整地反映腫瘤內(nèi)部各種復(fù)雜的信息，如某些分化較好的腫瘤攝取并不明顯、炎癥組織也會出現(xiàn)放射性攝取等[3,4]。

紋理分析是近年新出現(xiàn)的一種評估醫(yī)學圖像中腫瘤內(nèi)部異質(zhì)性的工具。18F-FDG PET圖像所表達的腫瘤異質(zhì)性信息能夠更好地反映腫瘤組織的特點，并且更準確地對治療反應(yīng)進行預(yù)測以延長患者的生存時間[5-12]。目前，在對比增強CT及MRI領(lǐng)域已有許多關(guān)于紋理分析方面的文獻，但在PET方面的價值則處于初步研究階段。本文對目前關(guān)于18F-FDG PET圖像紋理分析方面的研究進行分析，以便進一步探索其在臨床應(yīng)用中的潛能。

1 紋理分析

紋理分析是一種描述體素、像素間灰度強度關(guān)系或者其在圖像中的位置關(guān)系的數(shù)學算法，其優(yōu)點在于能夠發(fā)現(xiàn)人們?nèi)庋鬯荒馨l(fā)現(xiàn)的圖像細節(jié)信息（圖1），而且它是一種基于后處理技術(shù)得到的定量參數(shù)，故在獲取數(shù)據(jù)的過程中可以很好地進行標準化。

有許多紋理特征可以對腫瘤內(nèi)部的異質(zhì)性進行描述[10,13]。紋理參數(shù)可以通過數(shù)據(jù)法、模型法或轉(zhuǎn)化法獲得。數(shù)據(jù)法是最常用的方法[14,15]，其通過計算在圖像中每個像素的局部特征并根據(jù)局部特征的空間分布獲得參數(shù)。這種算法分為一階（單體素）、二階（雙體素）及高階（3個以上體素）等幾種方法。

一階描述的是總體紋理特征，即感興趣區(qū)內(nèi)的灰度頻度分布情況，基于直方圖分析方法，包括平均、最小及最大強度，標準差，偏度及峰度。二階描述局部紋理特征主要應(yīng)用空間灰度依屬法（SGLDM）或者共生矩陣，這些矩陣描述一個像素的強度i與另一個像素的強度j之間的關(guān)系，主要包括熵、能量、對比度、同質(zhì)性、異質(zhì)性及相關(guān)性。高階是應(yīng)用相鄰灰度差分矩陣描述圖像局部特征[10,16]。由NGTDMs獲得的局部特征基于每個體素及其鄰近體素間的差異，是最接近于人工判讀經(jīng)驗的方法[16]。例如，粗糙度是一個局部紋理參數(shù)，其與圖像的顆粒度類似，描述了圖像最基本的紋理特性。對比度描述的是一個圖像內(nèi)強度的動態(tài)變化范圍及局部強度的差異，頻度描述的是圖像內(nèi)強度的變化速率[8,16]。高階區(qū)域特征可以依據(jù)體素排列及灰度范圍矩陣計算得出，反映了區(qū)域內(nèi)強度的變化或同質(zhì)區(qū)域的分布情況[10]。

圖1 紋理分析圖像。PET圖像內(nèi)肉眼所觀察不到的信息，使用計算機圖像分析技術(shù)，將圖片中代謝分布的不均勻性轉(zhuǎn)化為定量參數(shù)，以量化不同病灶的差異性

218F-FDG PET圖像紋理分析

在分子影像及個性化診斷的時代，用于診斷的圖像生物學參數(shù)必須是客觀的、定量的、準確的、具有可重復(fù)性的，才具有實際的臨床應(yīng)用價值。SUV是18F-FDG PET報告中最常用的診斷參數(shù)，常應(yīng)用于腫瘤的良惡性診斷、分期及預(yù)后評估。然而，SUV僅僅反映了圖像中單個像素內(nèi)腫瘤的代謝信息，不能準確地反映腫瘤完整的生物學信息。PET紋理分析是最近新出現(xiàn)的PET圖像分析方法，可以完整地分析整個病灶內(nèi)的細節(jié)信息，其在對實體腫瘤的預(yù)后預(yù)測、治療反應(yīng)評估及術(shù)前對腫瘤分期的預(yù)測方面具有一定的價值，且在腫瘤預(yù)后方面的相關(guān)性優(yōu)于SUV[5-10]。

PET圖像上所能觀察到的只是放射性濃聚影，然而對濃聚影的分布、強度以及放射性分布的均勻性、一致性和腫瘤內(nèi)部放射性分布強弱等難以給出量化分析。PET的圖像紋理分析是通過一定的方法把這些圖像紋理特征提取出來，并與臨床結(jié)合，發(fā)揮其在腫瘤診斷和治療中的作用。

盡管PET圖像紋理分析能夠提供病灶較全面的細節(jié)信息，但也有其局限性。PET的空間分辨率較低，其單一體素邊長為5 mm，難以對體積較小的腫塊進行分析。在診斷過程中紋理分析的準確性與圖像的質(zhì)量有關(guān)。圖像采集、重建及圖像質(zhì)量參數(shù)如噪聲、運動偽影及層厚都很重要。這些因素都會不同程度地影響紋理分析的結(jié)果，因此紋理特征參數(shù)要根據(jù)不同的圖像模型來進行選擇。

還有一些需要仔細評估的因素是感興趣區(qū)的勾畫方法及觀察者的個體差異。初步研究顯示一些紋理參數(shù)的重復(fù)性與SUV相當甚至更好[17]，但是還需要研究紋理參數(shù)是否會像SUV一樣受藥物注射與采集時間的影響[18]。

從有關(guān)紋理特征的醫(yī)學影像方面報道來看，人們對18F-FDG PET圖像在腫瘤方面的紋理分析越來越感興趣。由于這是一個新出現(xiàn)的概念，所以針對18F-FDG PET圖像紋理分析的研究較少，既往發(fā)表的相關(guān)文獻分析見表1。

3 紋理分析的應(yīng)用價值

3.1 診斷方面價值 由NGTDMs獲得的紋理參數(shù)，如粗糙度、對比度、頻度[16]，具有區(qū)分頭頸癌原發(fā)及轉(zhuǎn)移病灶與正常組織的能力[7]。原發(fā)及轉(zhuǎn)移病灶與正常組織相比具有較低的粗糙度及頻度，但有較高的對比度。Yu等[8]研究了20例頭頸癌及20例非小細胞肺癌患者，在18F-FDG PET圖像上人為劃分正常與腫瘤組織，發(fā)現(xiàn)由NGTDMs獲得的紋理參數(shù)如PET粗糙度、PET對比度及CT粗糙度具體較好的分辨力，并且可以提高選擇放射治療靶區(qū)的準確性。

王長梅等[19]選擇基于鄰域灰度差矩陣的一些紋理參數(shù)對肺腫瘤的鑒別進行研究，發(fā)現(xiàn)將18F-FDG PET圖像紋理特征與診斷醫(yī)師的先驗知識結(jié)合起來能夠明顯提高肺部腫塊良惡性的診斷靈敏度，并且肺癌與良性腫瘤相比具有較低的粗糙度、對比度及頻度。

表1 關(guān)于18F-FDG PET圖像紋理分析的文獻及其觀點

3.2 預(yù)測預(yù)后的價值 紋理參數(shù)較SUV參數(shù)對治療反應(yīng)及生存期具有更好的預(yù)測價值。Eary等[9]回顧性研究了234例軟組織肉瘤患者在新輔助化療或外科治療前18F-FDG PET圖像的腫瘤異質(zhì)性，發(fā)現(xiàn)腫瘤的異質(zhì)性是生存期的獨立預(yù)測指標，SUVmax對患者的生存期不具有預(yù)測價值。EI Naqa等[11]研究了一階及二階紋理特征對9例頭頸癌及14例宮頸癌患者的預(yù)后預(yù)測價值，發(fā)現(xiàn)紋理特征能夠反映腫瘤內(nèi)的微環(huán)境特點，并與治療抵抗有一定的相關(guān)性。

Tixier等[10]回顧性研究了41例聯(lián)合放化療的食管癌患者，使用貝葉斯算法自動勾畫腫瘤范圍，并且只研究腫瘤原發(fā)灶，由同一腫塊計算得到SUVmax、SUVpeak、SUVmean）及38項紋理參數(shù)。抽檢特性曲線分析發(fā)現(xiàn)紋理分析較SUV參數(shù)對區(qū)分放化療療效具有更好的靈敏度。由共生矩陣得到的紋理特征能夠很好地區(qū)分無效及部分有效，因此可以在治療前對患者進行分類。

Vaidya等[12]分析了27例非小細胞肺癌局部治療失敗患者治療前的18F-FDG PET/CT圖像，提取了32項基于SUV或CT值的腫瘤局部特征，包括強度-體積直方圖及紋理特征參數(shù)，發(fā)現(xiàn)強度-體積直方圖的變化與局部復(fù)發(fā)密切相關(guān)，并且PET與CT的多模態(tài)紋理特征對非小細胞肺癌的放療后復(fù)發(fā)具有一定的預(yù)測價值。

3.318F-FDG PET圖像的組織學基礎(chǔ) 盡管有許多結(jié)構(gòu)及功能圖像的紋理特征與癌癥的鑒別診斷、療效預(yù)測及生存期相關(guān)，但對于腫瘤的生物學基礎(chǔ)與紋理特征之間的關(guān)系尚不清楚。

Henriksson等[5]采用頭頸鱗狀細胞癌異種移植的裸鼠模型研究18F-FDG攝取與腫瘤內(nèi)異質(zhì)性的關(guān)系，發(fā)現(xiàn)局部存在50%以上腫瘤細胞組織的18F-FDG攝取明顯高于存在更多間質(zhì)及壞死的組織，表明腫瘤內(nèi)18F-FDG攝取的不同與組織病理相關(guān)，并且PET圖像上示蹤劑攝取的變化是由腫瘤內(nèi)不同組織成分的分布性差異所決定的。

另外一種假說認為，圖像內(nèi)異質(zhì)性的增加與腫瘤局部的細胞構(gòu)成、增殖、無氧、血管生成及壞死有關(guān)[10,20]，是具有更強侵襲性及較差治療反應(yīng)與預(yù)后的獨立因素。然而，之前描述的多種紋理參數(shù)與腫瘤生物學特性及異質(zhì)性之間的關(guān)系只是單純的相關(guān)。例如，CT紋理特征與異質(zhì)性的增加相關(guān)，包括熵的增加或均一性的減低，提示較差的治療反應(yīng)及生存期[21-23]；頭頸癌腫塊及結(jié)節(jié)與正常組織相比，具有較低的粗糙度、頻度及較高的對比度[8]。紋理特征與組織特點之間的關(guān)系復(fù)雜，并且紋理特征的結(jié)果不能簡單地認為是圖像的同質(zhì)或異質(zhì)。因此，需要進一步研究不同顯像模式的紋理特征及與PET示蹤劑相關(guān)的可以影響圖像紋理的組織病理學特征，包括血管生成、缺氧、增殖等。

4 結(jié)束語

醫(yī)學圖像與人們現(xiàn)在的認知相比，包含更多有用的信息，這些描述及量化體素強度空間分布的額外信息（紋理特征）可以很容易地從傳統(tǒng)醫(yī)學影像、18F-FDG 或其他示蹤劑的PET圖像中提取。CT及MRI的紋理特征具有診斷組織特點、預(yù)測治療反應(yīng)及生存期的能力。功能圖像18F-FDG PET的紋理分析具有類似的能力，但其生物學機制尚不清楚。以后需要進一步研究18F-FDG PET圖像紋理的生物學基礎(chǔ)，并在不同類型腫瘤上進行驗證，以及是否其他示蹤劑如11C-、18F膽堿、反映腫瘤增殖方面的18F-胸腺嘧啶核苷、血管生成或缺氧標記物等的紋理特征能夠得到類似的結(jié)果。

現(xiàn)在對18F-FDG PET圖像的紋理特征研究還處在初級階段，尚未廣泛應(yīng)用于臨床工作中，所以還需要更多關(guān)于此方面的研究。通過紋理特征尋找更強大的生物標記是為了能夠?qū)崿F(xiàn)個體化醫(yī)療，達到非創(chuàng)傷性分子及基因水平的診斷。

[1] 張祖進, 李輝, 郭召平, 等. PET/CT的技術(shù)性能及臨床應(yīng)用.醫(yī)療衛(wèi)生裝備, 2007, 28(10): 59-60, 62.

[2] 劉欣, 陳萍, 陳仰純, 等. 結(jié)合PET/CT中CT征象與18F-FDG最大SUV值提高診斷肺癌水平之方法學研究. 中國醫(yī)學影像學雜志, 2008, 16(4): 246-249.

[3] Dehdashti F, Mortimer JE, Trinkaus K, et al. PET-based estradiol challenge as a predictive biomarker of response to endocrine therapy in women with estrogen-receptor-positive breast cancer. Breast Cancer Res Treat, 2009, 113(3): 509-517.

[4] Mac Manus MP, Ding Z, Hogg A, et al. Association between pulmonary uptake of fluorodeoxyglucose detected by positron emission tomography scanning after radiation therapy for non-smallcell lung cancer and radiation pneumonitis. Int J Radiat Oncol Biol Phys, 2011, 80(5): 1365-1371.

[5] Henriksson E, Kjellen E, Wahlberg P, et al. 2-Deoxy-2-[18F] fluoro-D-glucose uptake and correlation to intratumoral heterogeneity. Anticancer Res, 2007, 27(4B): 2155-2159.

[6] Van Velden FH, Cheebsumon P, Yaqub M, et al. Evaluation of a cumulative SUV-volume histogram method for parameterizing heterogeneous intratumoural FDG uptake in non-small cell lung cancer PET studies. Eur J Nucl Med Mol Imaging, 2011, 38(9): 1636-1647.

[7] Yu H, Caldwell C, Mah K, et al. Automated radiation targeting in head-and-neck cancer using region-based texture analysis of PET and CT images. Int J Radiat Oncol Biol Phys, 2009, 75(2): 618-625.

[8] Yu H, Caldwell C, Mah K, et al. Coregistered FDG PET/CT-based textural characterization of head and neck cancer for radiation treatment planning. IEEE Trans Med Imaging, 2009, 28(3): 374-383.

[9] Eary JF, O'sullivan F, O'sullivan J, et al. Spatial heterogeneity in sarcoma 18F-FDG uptake as a predictor of patient outcome. J Nucl Med, 2008, 49(12): 1973-1979.

[10] Tixier F, Le Rest CC, Hatt M, et al. Intratumor heterogeneity characterized by textural features on baseline 18F-FDG PET images predicts response to concomitant radiochemotherapy in esophageal cancer. J Nucl Med, 2011, 52(3): 369-378.

[11] El Naqa I, Grigsby P, Apte A, et al. Exploring feature-based approaches in PET images for predicting cancer treatment outcomes. Pattern Recognit, 2009, 42(6): 1162-1171.

[12] Vaidya M, Creach KM, Frye J, et al. El Naqa I.Combined PET image characteristics for radiotherapy tumor response in lung cancer. Radiother Oncol, 2012, 102(2): 239-245.

[13] Castellano G, Bonilha L, Li LM, et al. Texture analysis of medical images. Clin Radiol, 2004, 59(12): 1061-1069.

[14] Al-Kadi OS, Watson D. Texture analysis of aggressive and nonaggressive lung tumor CE CT images. IEEE Trans Biomed Eng, 2008, 55(7): 1822-1830.

[15] Ganeshan B, Miles KA, Young RC, et al. Hepatic entropy and uniformity: additional parameters that can potentially increase the effectiveness of contrast enhancement during abdominal CT. Clin Radiol, 2007, 62(8): 761-768.

[16] Amadasun M, King R. Textural features corresponding to textural properties. IEEE Trans Syst Man Cybern, 1989, 19(5): 1264-1274.

[17] Tixier F, Hatt M, Le Rest CC, et al. Reproducibility of tumor uptake heterogeneity characterization through textural feature analysis in 18F-FDG PET. J Nucl Med, 2012, 53(5): 693-700.

[18] Lodge MA, Lucas JD, Marsden PK, et al. A pet study of 18FDG uptake in soft tissue masses. Eur J Nucl Med, 1999, 26(1): 22-30.

[19] 王長梅, 管一暉, 張文強, 等. PET/CT顯像聯(lián)合融合圖像紋理特征分析在肺癌鑒別診斷中的應(yīng)用價值探討. 中國醫(yī)學計算機成像雜志, 2010, 16(2): 147-151.

[20] Ganeshan B, Goh V, Mandeville HC, et al. Non-small cell lung cancer: histopathological correlates for texture parameters at CT. Radiology, 2013, 266(1): 326-336 .

[21] Goh V, Ganeshan B, Nathan P, et al. Assessment of response to tyrosine kinase inhibitors in metastatic renal cell cancer: CT texture as a predictive biomarker. Radiology, 2011, 261(1): 165-171.

[22] Ganeshan B, Skogen K, Pressney I, et al. Tumour heterogeneity in oesophageal cancer assessed by CT texture analysis: preliminary evidence of an association with tumour metabolism, stage, and survival. Clin Radiol, 2012, 67(2): 157-164.

[23] Ganeshan B, Panayiotou E, Burnand K, et al. Tumour heterogeneity in non-small cell lung carcinoma assessed by CT texture analysis: a potential marker of survival. Eur Radiol, 2012, 22(4): 796-802.

正電子發(fā)射斷層顯像術(shù)；體層攝影術(shù)，X線計算機；氟脫氧葡萄糖F18；圖像處理，計算機輔助；腫瘤；綜述

2014-04-22 【修回日期】2014-07-11

（本文編輯 張春輝）

R445.6

1.解放軍總醫(yī)院核醫(yī)學科 北京 100853；2.武警后勤學院附屬醫(yī)院 天津 300162

田嘉禾 E-mail: tianjh@vip.sina.com

10.3969/j.issn.1005-5185.2014.09.019