彭 勇，王 亮

（湖北省武漢市第一醫(yī)院醫(yī)學(xué)影像科，湖北 武漢 430022）

成年人顱內(nèi)原發(fā)性腫瘤約占全身腫瘤的2%，其他部位的惡性腫瘤20%～30%也可轉(zhuǎn)移至顱內(nèi)［1］。腦腫瘤發(fā)病率雖較其他部位的惡性腫瘤低，但其死亡率較高，同時(shí)腦轉(zhuǎn)移瘤與原發(fā)性腦腫瘤的發(fā)病率相似［2］。手術(shù)治療仍是目前治療顱內(nèi)腫瘤的首選方法，但手術(shù)成功與否和腫瘤惡性程度、大小、腫瘤生物學(xué)邊界的確定及其與周圍結(jié)構(gòu)的關(guān)系密切相關(guān)［3］，因此正確診斷及鑒別腦腫瘤并準(zhǔn)確評估其惡性程度直接影響手術(shù)效果［4-7］。腦轉(zhuǎn)移瘤和腦膠質(zhì)瘤是顱內(nèi)常見惡性腫瘤，臨床常將MRI 檢查作為其首選影像檢查方法，當(dāng)移轉(zhuǎn)瘤為單發(fā)病灶且缺乏原發(fā)腫瘤病史時(shí)，兩者在常規(guī)影像學(xué)上較難鑒別［8-9］。研究［10-12］表明，使用紋理分析軟件對圖像上的腫瘤區(qū)域進(jìn)行分割并行紋理分析，可提取出圖像中的特征性參數(shù)進(jìn)行差異性對比，量化分析腫瘤影像學(xué)異質(zhì)性，提供肉眼無法識(shí)別的客觀信息，且不依賴于影像科醫(yī)師的經(jīng)驗(yàn)和主觀判斷，具有較大的臨床應(yīng)用價(jià)值。本文將探討MRI 增強(qiáng)掃描結(jié)合紋理分析鑒別腦膠質(zhì)瘤與腦轉(zhuǎn)移瘤的價(jià)值。

1 資料與方法

1.1 一般資料 回顧性收集2018 年10 月至2019年10 月我院確診的腦腫瘤患者60 例，男38 例，女22 例；年齡24～83 歲，中位年齡60 歲。其中腦膠質(zhì)瘤34 例，男20 例，女14 例；年齡44～83 歲，中位年齡64 歲；腦轉(zhuǎn)移瘤26 例，男14 例，女12 例；年齡39～81 歲，中位年齡67 歲。2 組年齡比較，差異無統(tǒng)計(jì)學(xué)意義（F=0.113，P=0.738）。納入標(biāo)準(zhǔn)：①術(shù)前或放化療前接受顱腦MRI 平掃及增強(qiáng)掃描；②經(jīng)手術(shù)或立體定向活檢獲得病理學(xué)診斷結(jié)果。排除標(biāo)準(zhǔn)：①圖像存在偽影；②病灶區(qū)域出現(xiàn)大范圍出血、壞死；③病理結(jié)果不明確。

1.2 儀器與方法 采用GE Signa HDxt 3.0 T 超導(dǎo)型MRI 掃描儀，8 通道頭部線圈?；颊呷⊙雠P位，頭先進(jìn)。掃描序列與參數(shù)：軸位T1FLAIR TR 2 500 ms，TE 24 ms，TI 860 ms；FSE T2WI TR 8 000 ms，TE 165 ms，TI 2 100 ms；對比增強(qiáng)掃描采用自旋回波序列軸位T1WI+C 及冠矢狀位T1FLAIR TR 400 ms，TE 9 ms；以上序列視野220 mm×220 mm，矩陣512×512，層厚6 mm，層距2 mm。增強(qiáng)掃描采用對比劑Gd-DTPA，劑量0.2 mmol/kg 體質(zhì)量，經(jīng)手臂靜脈快速注入，5 min后掃描。

1.3 圖像處理 所有患者的最終診斷結(jié)果由2 名主任醫(yī)師共同審核得出，意見不同時(shí)，討論得出。圖像分析和處理由1 位高年資放射科醫(yī)師獨(dú)立進(jìn)行，將圖像保存成DICOM 格式保存，后用MaZda 軟件行后處理。參考MRI 平掃和增強(qiáng)掃描圖像，在腫瘤實(shí)質(zhì)區(qū)、強(qiáng)化病灶周圍1 cm 范圍內(nèi)勾畫ROI，避開血管、囊變、壞死及出血部分，腦膠質(zhì)瘤病灶、腦轉(zhuǎn)移瘤病灶分別標(biāo)記為紅色、綠色ROI（圖1，2）。ROI 勾畫完成后，軟件即可自動(dòng)計(jì)算出ROI 的各項(xiàng)紋理參數(shù)值。

1.4 統(tǒng)計(jì)學(xué)分析 使用MaZda 軟件對腦膠質(zhì)瘤組與腦轉(zhuǎn)移瘤組中病灶紋理參數(shù)進(jìn)行篩選，采用直方圖、絕對梯度、游程矩陣、共生矩陣和自回歸模型5種分析方法共可獲得256 個(gè)紋理參數(shù)。通過一元特性、二元特性、三元特性3 種統(tǒng)計(jì)學(xué)篩選方法，篩選出10 個(gè)鑒別腦膠質(zhì)瘤與腦轉(zhuǎn)移瘤的最佳紋理參數(shù)。

圖1 男，48 歲，MRI 增強(qiáng)掃描診斷為膠質(zhì)瘤 圖2 女，60 歲，MRI增強(qiáng)掃描診斷為轉(zhuǎn)移瘤

1.5 模型準(zhǔn)確性判定 通過MaZda 軟件B11 程序中的主成分分析（principal component analysis，PCA）、線性鑒別分析（1inear discriminant analysis，LDA）和非線性鑒別分析（nonlinear discriminant analysis，NDA）的特征向量變換方法對篩選出的10 個(gè)最佳紋理參數(shù)進(jìn)行降維［13］。并對LDA 使用K 鄰近分類器（K-1 代表最小分類錯(cuò)誤）、NDA 使用神經(jīng)網(wǎng)絡(luò)分類法（artificial neural network，ANN），計(jì)算各方法組合下紋理參數(shù)鑒別診斷的最小誤判率R（R=誤判病灶個(gè)數(shù)/總病灶個(gè)數(shù)），并分為5 個(gè)等級(jí)：R≤10%為優(yōu)秀，10%＜R≤20%為良好，20%＜R≤30%為中等，30%＜R≤40%為一般，R>40%為較差。

2 結(jié)果

篩選出的10 個(gè)鑒別腦膠質(zhì)瘤與腦轉(zhuǎn)移瘤的最佳紋理參數(shù)見表1。

顱腦MRI 增強(qiáng)掃描與紋理特征的統(tǒng)計(jì)學(xué)提取方法及紋理特征的降維方法之間的不同組合，獲得的紋理參數(shù)的診斷效能存在差異，各組合中最低誤判率的結(jié)果見表2。其中一元特性+NDA 組合與二元特性+NDA 組合誤判率為良好；一元特性+LDA 組合、二元特性+LDA 組合、三元特性+NDA 組合的誤判率為中等；一元特性+PCA 組合、二元特性+PCA組合、三元特性+PCA 組合的誤判率為一般；三元特性+LDA 組合的誤判率較差。

紋理分析方法及MRI 增強(qiáng)掃描診斷腦膠質(zhì)瘤與轉(zhuǎn)移瘤的敏感度、特異度和準(zhǔn)確率見表3。紋理分析方法診斷腦膠質(zhì)瘤的敏感度高于MRI 增強(qiáng)掃描，特異度（15.4%）低于MRI 增強(qiáng)掃描；2 種方法聯(lián)合診斷效能得到提高。

表1 3 種統(tǒng)計(jì)方法篩選出的最佳紋理參數(shù)

表2 不同紋理分析方法組合對腦膠質(zhì)瘤與轉(zhuǎn)移瘤診斷的誤判率 %（例/例）

表3 紋理分析及MRI 增強(qiáng)掃描診斷腦膠質(zhì)瘤與轉(zhuǎn)移瘤的效能 %（例/例）

3 討論

膠質(zhì)瘤和腦轉(zhuǎn)移瘤在顱內(nèi)腫瘤中發(fā)生率較高，可起源于腦、腦膜、神經(jīng)、血管等組織，或身體其他組織轉(zhuǎn)移侵入顱內(nèi)而成［14］。臨床癥狀多表現(xiàn)為頭痛、嘔吐、視神經(jīng)乳頭水腫等。高級(jí)別膠質(zhì)瘤多呈浸潤性生長，瘤體組織部分壞死，膠質(zhì)母細(xì)胞核分裂現(xiàn)象增多，血管內(nèi)皮細(xì)胞、瘤巨細(xì)胞及瘤周繼發(fā)結(jié)構(gòu)大量增生，瘤體組織成分復(fù)雜；而轉(zhuǎn)移瘤惡性程度較高，腫瘤細(xì)胞擴(kuò)散增殖，新生血管生成，部分組織壞死［15］。

影像組學(xué)是對影像圖像進(jìn)行高通道體素特征提取，并經(jīng)統(tǒng)計(jì)分析建模進(jìn)行診斷的一門科學(xué)［16］。近年來，影像組學(xué)對許多疾病研究分析日趨豐富，如肺癌、乳腺癌等，但在高低級(jí)別腦膠質(zhì)瘤的鑒別診斷中應(yīng)用較少。影像組學(xué)的目標(biāo)是將醫(yī)學(xué)影像圖像轉(zhuǎn)化為可采集的、擁有高保真度和高通量的數(shù)據(jù)，并進(jìn)行數(shù)據(jù)挖掘，將影像學(xué)特征與表型或基因-蛋白特征聯(lián)系起來，用于構(gòu)建描述和預(yù)測模型。影像組學(xué)的工作流程為圖像采集與重建—圖像分割與繪制—特征提取與量化—數(shù)據(jù)庫建立與數(shù)據(jù)共享—個(gè)體化數(shù)據(jù)分析［17］。

紋理分析是影像組學(xué)中的一部分［18］，是醫(yī)學(xué)圖像中近年發(fā)展起來的評價(jià)腫瘤異質(zhì)性的新工具。其主要方法是將影像數(shù)據(jù)作為數(shù)據(jù)源，利用紋理分析軟件，基于直方圖、絕對梯度、游程矩陣、共生矩陣和自回歸模型5 種分析方法，提取圖像上腫瘤病灶的紋理特征，并使用軟件自帶的統(tǒng)計(jì)分析方法篩選出鑒別不同病變的特征性紋理參數(shù)，建立診斷及鑒別診斷模型。本研究中使用MaZda 軟件中的直方圖、絕對梯度、游程矩陣、共生矩陣和自回歸模型5 種分析方法共獲得256 個(gè)紋理參數(shù)；通過一元特性、二元特性、三元特性3 種統(tǒng)計(jì)學(xué)篩選方法，選出10 個(gè)鑒別腦膠質(zhì)瘤與腦轉(zhuǎn)移瘤的最佳紋理參數(shù)；根據(jù)最佳紋理參數(shù)值進(jìn)行統(tǒng)計(jì)學(xué)提取方法和紋理特征的降維方法之間的不同組合，獲得紋理參數(shù)的診斷效能，從表2 中可見使用NDA 降維方法的誤判率比PCA、LDA低，其中二元特性+NDA 的誤診率最低（15.00%）。

本研究中采用紋理分析方法獲得的識(shí)別腦膠質(zhì)瘤的敏感度85.29%，特異度15.38%，準(zhǔn)確率85.00%；MRI 增強(qiáng)掃描敏感度為82.35%，特異度為80.77%，準(zhǔn)確率81.67%；可見紋理分析方法的診斷敏感度、準(zhǔn)確率優(yōu)于MRI 增強(qiáng)掃描，而MRI 增強(qiáng)掃描的特異度高于紋理分析；兩者結(jié)合后敏感度、準(zhǔn)確率分別提高至94.11%、93.33%，具有較高臨床價(jià)值，值得推廣使用。本研究局限性：①樣本量相對較小，且影像表現(xiàn)不典型病例偏少，有一定的選擇偏倚，后續(xù)研究需豐富樣本量，進(jìn)一步驗(yàn)證其診斷價(jià)值；②為回顧性分析，作為前瞻性研究與病理對照分析是后續(xù)的研究重點(diǎn)。