羅 婷，張 崢，李 昕，郭 妍，張立娜*，徐 克*

(1.中國醫(yī)科大學(xué)附屬第一醫(yī)院放射科，遼寧 沈陽 110000；2.GE醫(yī)療，上海 200000)

CT圖像紋理分析鑒別診斷磨玻璃密度肺腺癌的浸潤性

羅 婷1，張 崢1，李 昕2，郭 妍2，張立娜1*，徐 克1*

(1.中國醫(yī)科大學(xué)附屬第一醫(yī)院放射科，遼寧 沈陽 110000；2.GE醫(yī)療，上海 200000)

目的探討CT圖像紋理分析鑒別診斷表現(xiàn)為磨玻璃密度結(jié)節(jié)的肺腺癌浸潤性的價值。方法收集在我院接受肺部CT檢查且手術(shù)病理證實為肺腺癌患者100例(浸潤性腺癌56例，非浸潤性腺癌44例)。隨機選擇69例為訓(xùn)練組，31例為驗證組。使用A.K.(Analysis-Kinetics)分析軟件進(jìn)行影像特征提取；Kruskal-Wallis非參數(shù)檢驗和Spearman相關(guān)性分析進(jìn)行特征降維；使用R語言軟件包“GLM”函數(shù)，建立Logistic回歸模型；以交叉驗證方法對回歸模型進(jìn)行檢驗。采用ROC曲線評價獨立預(yù)測因素的診斷效能。結(jié)果影像特征提取得到396個影像組學(xué)特征，經(jīng)降維最終得到與鑒別肺非浸潤腺癌與浸潤腺癌最相關(guān)的參數(shù)3個，建模后驗證Logistic回歸模型示其診斷準(zhǔn)確率為83.30%，敏感度及特異度分別為77.80%、91.70%。結(jié)論CT圖像紋理分析可有效鑒別表現(xiàn)為磨玻璃密度結(jié)節(jié)肺腺癌的浸潤性。

體層攝影術(shù)，X線計算機；肺腫瘤；紋理分析；影像組學(xué)

肺內(nèi)惡性磨玻璃密度結(jié)節(jié)在病理上對應(yīng)為原位癌(adenocarcinomas in situ, AIS)、微浸潤性腺癌(minimally invasive adenocarcinoma, MIA)或浸潤性腺癌(invasive pulmonary adenocarcinomas, IPA)。2011年肺腺癌國際多學(xué)科分類標(biāo)準(zhǔn)指出，浸潤前病變即原位癌和微浸潤性腺癌接受肺段切除后的5年無病生存率接近100%，而浸潤性腺癌仍以肺葉切除為主，且術(shù)后5年無病生存率<90%[1-2]。因此，術(shù)前準(zhǔn)確鑒別肺浸潤性病變對手術(shù)方式的選擇以及患者預(yù)后的評估有指導(dǎo)作用。術(shù)前肺穿刺活檢因取材受限常無法準(zhǔn)確反應(yīng)整體病灶的浸潤性。傳統(tǒng)CT圖像難以準(zhǔn)確鑒別以磨玻璃密度結(jié)節(jié)為主要表現(xiàn)的AIS、MIA和IPA。紋理分析方法可對影像圖像進(jìn)行分割，定量提取內(nèi)部大量特征信息，并對所獲得的特征數(shù)據(jù)進(jìn)行挖掘、分析，有效地鑒別腫瘤性質(zhì)，對腫瘤進(jìn)行病理分型，預(yù)測預(yù)后，規(guī)劃治療方案等[3]。本研究旨在使用CT圖像紋理分析方法鑒別肺磨玻璃密度結(jié)節(jié)的浸潤性，并評價其診斷效能。

1 資料與方法

1.1 一般資料 收集2014年2月—2016年11月于我院增強CT檢出肺磨玻璃密度結(jié)節(jié)且直徑<30 mm的患者100例，男26例，女74例,年齡35～78歲，平均(56.5±8.6)歲。所有患者CT檢查前均未接受活檢、放療、化療等操作或治療，且均于CT檢查后2周內(nèi)接受手術(shù)治療，最終病理證實為肺腺癌。

1.2 儀器與方法 采用Siemens Somatom Definition FLash雙源CT機。患者取仰臥位，雙臂上舉，于吸氣末進(jìn)行全肺掃描。參數(shù):管電壓100 kV 或140 kV,管電流Care Dose 4D,掃描層厚2 mm，重建層厚2 mm，重建層間距2 mm，矩陣512×512，F(xiàn)OV 350 mm×350 mm。增強掃描采用雙筒高壓注射器于肘靜脈注射70～90 ml非離子型對比劑碘普羅胺，注射速度2.5～3.0 ml/s，注射30～40 s后獲得動脈期圖像。

1.3 紋理特征提取 將所有患者薄層增強CT圖像(肺窗)導(dǎo)入A.K.分析軟件(Analysis-Kinetics，GE)，由1名從事胸部影像診斷12年的影像醫(yī)師在不知曉病理結(jié)果的情況下對病灶逐層勾畫ROI，ROI的大小取決于病變大小且盡量與病灶邊緣保持一致。軟件自動計算得到圖像形態(tài)、亮度等相關(guān)特征參數(shù)以及基于灰度共生矩陣和步長矩陣等的高階紋理特征參數(shù)。

1.4 建立預(yù)測模型 按照7∶3的比例，經(jīng)計算機任意選取69例患者作為訓(xùn)練組(非浸潤腺癌32例、浸潤腺癌37例)，31例作為驗證組(非浸潤腺癌12例、浸潤腺癌19例)。將獲得的紋理特征參數(shù)全部導(dǎo)入R語言軟件包，剔除結(jié)果為nan或Inf的特征參數(shù)，得到剩余特征；再經(jīng)特征預(yù)處理和降維得特征紋理參數(shù)，利用R語言軟件包中的“GLM”函數(shù)建立線性回歸(Logistic linear regression， LLR)模型。以交叉驗證方法(10折，重復(fù)10次)對LLR模型進(jìn)行檢驗，并繪制ROC曲線，計算其鑒別磨玻璃密度肺腺癌的浸潤性的敏感度和特異度。

1.5 統(tǒng)計學(xué)分析 使用R語言軟件(R Studio Version 1.0.143-?2009-2016 R Studio, Inc.)進(jìn)行統(tǒng)計學(xué)分析。以病理結(jié)果為金標(biāo)準(zhǔn)，采用Kruskal-Wallis非參數(shù)檢驗統(tǒng)計肺非浸潤腺癌與浸潤腺癌有統(tǒng)計學(xué)差異的影像學(xué)特征；Spearman相關(guān)性分析進(jìn)行特征去冗余，剔除自相關(guān)性系數(shù)高于0.9(|r|>0.9)的紋理參數(shù)，得到最終特征參數(shù)。ROC曲線下面積(area under curve, AUC)為0.5～0.7時其診斷價值較低，>0.7～0.9時診斷價值中等，>0.9時診斷價值較高。P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

100例患者中，非浸潤性肺癌44例，病灶平均最大直徑(1.44±0.69)cm，浸潤性肺癌56例，病灶平均最大直徑(1.89±0.62)cm(圖1)。

將圖像導(dǎo)入R語言軟件包，得到基于病灶大小、邊緣形態(tài)、位置信息、灰度共生矩陣、灰度步長矩陣算法等的影像組學(xué)特征共396個，剔除肺非浸潤腺癌與浸潤腺癌間差異無統(tǒng)計學(xué)意義的參數(shù)，剩余14個特征；再進(jìn)行特征去冗余，剔除自相關(guān)性高的參數(shù)，剩余3個特征，分別為熵總值、聚類萌、球面不對成性。影像組學(xué)得分計算公式如下：影像組學(xué)得分=-24.946 20+聚類萌×0.000 007 864 712+熵總值×20.567 46+球面不對成性×5.676 74利用Logistic回歸分析方法對3個特征紋理參數(shù)建立預(yù)測模型并進(jìn)行交叉驗證。訓(xùn)練組非浸潤腺癌與浸潤腺癌影像組學(xué)得分分別為-0.54(-1.39～0.10)、1.04(0.33～2.59)，差異有統(tǒng)計學(xué)意義(P=0.04)。ROC曲線分析示驗證組AUC為83.30%[95%CI(60.60%,90.72%)]，其鑒別診斷非浸潤腺癌與浸潤腺癌的敏感度、特異度及準(zhǔn)確率分別為77.80%、91.70%、83.30%(圖2)。

圖1 磨玻璃密度肺腺癌 A.左肺上葉純磨玻璃密度結(jié)節(jié)，病理顯示為原位癌伴局部微浸潤； B.右肺上葉以磨玻璃密度為主的混合磨玻璃密度結(jié)節(jié)，病理顯示為腺癌樣生長 圖2 驗證組ROC曲線鑒別磨玻璃密度肺腺癌的診斷效能

3 討論

傳統(tǒng)采用術(shù)前穿刺活檢或高年資影像醫(yī)師CT圖像判讀法判斷表現(xiàn)為磨玻璃密度結(jié)節(jié)肺腺癌的浸潤性。但由于穿刺活檢取材受限，穿刺病理結(jié)果常難以準(zhǔn)確判斷整體病灶的侵襲性，且為有創(chuàng)檢查，存在著一定的操作風(fēng)險和結(jié)果的不確定性[3]。傳統(tǒng)CT圖像判讀多依據(jù)病變大小、實性成分大小及占比、形態(tài)、邊緣、內(nèi)部特征(空泡征、增粗小血管等)、周邊特征(胸膜牽拉、血管聚集等)判斷病灶的侵襲性。研究[4-5]表明，混合磨玻璃結(jié)節(jié)中實性成分占比越高，說明其更具惡性侵襲性。病灶病理惡性等級越高，出現(xiàn)胸膜牽拉征的比例越高[6]。Lee等[7]發(fā)現(xiàn)胸膜牽拉、實性成分大小以及實性成分占比3個因素均為鑒別浸潤性肺腺癌的獨立危險因素。實際臨床應(yīng)用中，不同級別和資歷的醫(yī)師對上述影像特征的理解和認(rèn)識存在著一定差異，判別能力也各不相同，且傳統(tǒng)圖像特征分析存在操作復(fù)雜、人為因素影響大、影像特征特異性不足等問題，影響臨床圖像判讀的準(zhǔn)確性。

影像組學(xué)利用數(shù)學(xué)算法提取影像圖像高維復(fù)雜特征，并通過對影像數(shù)據(jù)深度挖掘來定量分析腫瘤異質(zhì)性，目前已被證實可有效提高診斷準(zhǔn)確率[3]。肺CT紋理分析基于定量分析的優(yōu)勢，已被逐漸應(yīng)用于肺結(jié)節(jié)的行為預(yù)測，為早期診斷和個體化治療提供臨床依據(jù)[8-9]。本研究使用基于CT圖像的紋理分析方法提取磨玻璃密度結(jié)節(jié)的影像特征，并經(jīng)降維得到3個特征紋理參數(shù)，利用Logistic回歸分析方法建立基于特征紋理參數(shù)的預(yù)測模型，用以鑒別以磨玻璃結(jié)節(jié)為影像學(xué)特征的肺腺癌的浸潤性，并在驗證組中得到了較好的結(jié)果。本研究經(jīng)交叉驗證檢驗，基于CT圖像紋理特征的預(yù)測模型對鑒別磨玻璃密度結(jié)節(jié)肺腺癌浸潤性的準(zhǔn)確率為83.30%。Ma等[10]從127例肺結(jié)節(jié)圖像中提取了大量影像組學(xué)紋理特征，并分析得出紋理特征鑒別診斷良惡性結(jié)節(jié)的準(zhǔn)確率為82.70%，與本研究結(jié)果類似。紋理特征表明異質(zhì)性越高，包括熵和一致性，反映病灶的惡性程度越高[11]。Lee等[12]單獨運用臨床和CT圖像特征分析，其鑒別診斷亞實性結(jié)節(jié)的準(zhǔn)確率為79.00%，但前者結(jié)合紋理分析之后，鑒別準(zhǔn)確率高達(dá)92.90%。說明紋理分析可在一定程度上幫助放射科醫(yī)師提高閱片的準(zhǔn)確率，為精準(zhǔn)的臨床診斷提供可靠依據(jù)。

本研究存在一定局限性：①本研究為回顧性單中心研究，樣本存在偏倚；②3D ROI的勾畫采用二維手動勾畫，而自動或半自動的ROI選擇會節(jié)省更多人力，ROI的變異性也會較??；③預(yù)測模型僅建立在紋理分析參數(shù)基礎(chǔ)之上，未考慮相關(guān)臨床影響因素。

綜上所述，基于CT圖像紋理分析的預(yù)測模型可較好區(qū)分以磨玻璃密度結(jié)節(jié)為主要影像學(xué)表現(xiàn)的肺腺癌是否為浸潤性病變，可為患者術(shù)前手術(shù)方式選擇和術(shù)后預(yù)后評估提供重要參考。

[1] Travis WD, Brambilla E, Noguchi M, et al. International association for the study of lung cancer/American thoracic society/European respiratory society international multidisciplinary classification of lung adenocarcinoma. J Thorac Oncol, 2011,6(2):244-285.

[2] Van Schil PE, Asamura H, Rusch VW, et al. Surgical implications of the new IASLC/ATS/ERS adenocarcinoma classification. Eur Respir J, 2012,39(2):478-486.

[3] Lambin P, Rios-Velazquez E, Leijenaar R, et al. Radiomics: Extracting more information from medical images using advanced feature analysis. Eur J Cancer, 2012,48(4):441-446.

[4] Matsuguma H, Oki I, Nakahara R, et al. Comparison of three measurements on computed tomography for the prediction of less invasiveness in patients with clinical stage I non-small cell lung cancer. Ann Thorac Surg, 2013,95(6):1878-1884.

[5] Ohde Y, Nagai K, Yoshida J, et al. The proportion of consolidation to ground-glass opacity on high resolution CT is a good predictor for distinguishing the population of non-invasive peripheral adenocarcinoma. Lung Cancer, 2003,42(3):303-310.

[6] Takashima S, Maruyama Y, Hasegawa M, et al. CT findings and progression of small peripheral lung neoplasms having a replacement growth pattern. AJR Am J Roentgenol, 2003,180(3):817-826.

[7] Lee SM, Park CM, Goo JM, et al. Invasive pulmonary adenocarcinomas versus preinvasive lesions appearing as ground-glass nodules: Differentiation by using CT features. Radiology, 2013,268(1):265-273.

[8] Wilson R, Devaraj A. Radiomics of pulmonary nodules and lung cancer. Transl Lung Cancer Res, 2017,6(1):86-91.

[9] Gillies RJ, Kinahan PE, Hricak H, et al. Radiomics: Images are more than pictures, they are data. Radiology, 2016,278(2):563-577.

[10] Ma J, Wang Q, Ren Y, et al. Automatic lung nodule classification with radiomics approach//Medical Imaging 2016: PACS and Imaging Informatics: Next Generation and Innovations, 2016:978906.

[11] Son JY, Lee HY, Lee KS, et al. Quantitative CT analysis of pulmonary ground-glass opacity nodules for the distinction of invasive adenocarcinoma from pre-invasive or minimally invasive adenocarcinoma. PloS One, 2014,9(8):e104066.

[12] Lee SH, Lee SM, Goo JM, et al. Usefulness of texture analysis in differentiating transient from persistent partsolid nodules(PSNs): A retrospective study. PLoS One, 2014,9(1):e85167.

CTtexturefeaturesindifferentialdiagnosisofinvasionofgroundpulmonaryadenocarcinomamanifestingglassdensitynodule

LUOTing1,ZHANGZheng1,LIXin2,GUOYan2,ZHANGLina1*,XUKe1*

(1.DepartmentofRadiology,theFirstHospitalofChinaMedicalUniversity,Shenyang110000,China;2.GEHealth,Shanghai200000,China)

ObjectiveTo explore the value of CT texture analysis in differential diagnosing invasion of pulmonary adenocarcinoma manifesting ground glass density nodule.MethodsTotally 100 patients with pulmonary adenocarcinoma manifesting ground glass density nodule (56 invasive adenocarcinomas and 44 non-invasive adenocarcinomas) confirmed by pathology underwent CT scanning. Patients were randomly divided into training group (n=69) and validation group (n=31). Image features were extracted using A.K. (Analysis-Kinetics) analysis software, and feature dimensionality reduction was conducted withKruskal-WallisandSpearmananalysis. TheLogisticmodel was established with R language package "GLM" function, then regression model was tested with cross-validation method. ROC curve analysis was performed to evaluate the differentiating value of identified variables.ResultsTotally 396 texture parameters were obtained from imaging features, and of which 3 features had the relationship with differential diagnosis of invasion of pulmonary adenocarcinoma manifesting ground glass density nodule. ROC curve showed that area under the curve of theLogisticmodel in validation group was 83.30%, and the sensitivity and specificity were 77.80% and 91.70%, respectively.ConclusionTexture analysis has the potential to improve the differentiation of invasion of pulmonary adenocarcinoma manifesting ground glass density nodule.

Tomography, X-ray computed; Lung neoplasms; Texture analysis; Radiomics

R734.2; R814.42

A

1003-3289(2017)12-1788-04

公益性行業(yè)科研專項(201402013)、國家自然科學(xué)基金青年科學(xué)基金(81301222)、遼寧省科技廳項目(2012020073-302)。

羅婷(1994—)，女，安徽馬鞍山人，在讀碩士。研究方向：胸部影像診斷。E-mail: luotingemma56@163.com

張立娜，中國醫(yī)科大學(xué)附屬第一醫(yī)院放射科，110000。E-mail: zhanglnda@163.com

徐克，中國醫(yī)科大學(xué)附屬第一醫(yī)院放射科，110000。E-mail: kexu@vip.sina.com

2017-09-30

2017-11-09

10.13929/j.1003-3289.201709175