基于常规T2WI灰度共生矩阵纹理参数鉴别诊断卵巢实性肿瘤良恶性

董天发，麦 慧，魏慧慧，毛义菲，唐文艳，陈展航

(广州医科大学附属第三医院放射科，广东 广州 510150)

卵巢恶性肿瘤为女性生殖系统常见肿瘤，致死率居妇科肿瘤之首[1]，术前准确判断肿瘤的性质对制定治疗决策及评估预后具有重要临床意义。原发卵巢实性肿瘤发病率较囊性、囊实性肿瘤低，良性与恶性肿瘤间影像学表现存在重叠，常规MRI难以鉴别。不同研究[2-3]对DWI定量参数ADC值鉴别良恶性卵巢实性肿瘤的价值存在分歧，但倾向于ADC值不能作为鉴别诊断的可靠指标。作为新兴的图像后处理技术，纹理分析可通过软件定量提取图像中肉眼无法识别的纹理特征来揭示病变的内在异质性；良恶性肿瘤具有不同的异质性，使得纹理分析鉴别诊断良恶性肿瘤成为近年来的研究热点[4]。灰度共生矩阵(gray-level co-occurrence matrix， GLCM)是最常用的二阶纹理分类方法，反映灰度的空间相关特性。Haralick[5]最初定义了28个GLCM的纹理参数，其中能量、对比、相关、逆差距和熵在鉴别诊断肿瘤良恶性和疗效评估中具有较高效能[6-8]。本研究探讨基于常规T2WI GLCM纹理分析鉴别诊断良恶性卵巢实性肿瘤的价值。

1 资料与方法

1.1一般资料 收集2014年1月—2017年12月我院收治的经手术病理证实的93例原发性卵巢肿瘤患者，排除囊性为主的肿瘤34例(囊腺瘤16例、囊腺癌18例)和成熟型畸胎瘤13例，最终纳入46例实性卵巢肿瘤；患者年龄25～77岁，中位年龄53岁。其中良性肿瘤19例(良性组)，年龄29～61岁，中位年龄52岁，肿瘤长径2.51～18.42 cm，平均(10.51±5.70)cm，包括卵泡膜纤维瘤15例、卵泡膜细胞瘤2例和硬化性间质瘤2例；恶性肿瘤27例(恶性组)，年龄25～77岁，中位年龄54岁，肿瘤长径3.43～20.54 cm，平均(13.63±7.67)cm，包括上皮源性肿瘤11例(卵巢子宫内膜样腺癌3例、透明细胞癌4例、癌肉瘤3例、淋巴瘤1例)、性索间质来源肿瘤6例(均为颗粒细胞瘤)及生殖细胞来源肿瘤10例(无性细胞瘤4例、卵黄囊瘤3例、恶性畸胎瘤3例)。

1.2仪器与方法 采用Philips Gyroscan Achieva 3.0T MR扫描仪，腹部相控线圈。主要参数：轴位FSE序列T2WI，TR 3 896 ms，TE 71.7 ms，FOV 300 mm×225 mm；矢状位脂肪抑制FSE序列T2WI，TR 3 516 ms，TE 69 ms，FOV 215 mm×270 mm；轴位脂肪抑制FSE序列T1WI，TR 637 ms，TE 9.1 ms，FOV 280 mm×210 mm；层厚均为5 mm，层间距 6 mm。对比剂采用Gd-DTPA，剂量0.1～0.2 mmol/kg体质量，流率2.5～3 ml/s，采用e-THRIVE脂肪抑制序列行轴位动态增强扫描及冠状位、矢状位延迟增强扫描。

1.3纹理分析方法 由2名具有妇科肿瘤MRI诊断经验的医师协商选择T2WI中病灶最大层面，采用Image J (https://imagej.nih.gov/ij/download.html)软件，由其中1名医师沿病灶边缘手动勾画ROI，纹理分析插件均设置为默认值，像素间距(d)为1，两点之间连线与轴的夹角(θ)为0°，软件自动计算GLCM的纹理特征参数，包括能量、对比、相关、逆差距和熵(表1、图1)。

表1 GLCM纹理参数及其意义

图1 颗粒细胞瘤的T2WI纹理分析示意图

表2 良性组与恶性组GLCM参数比较

表3 基于T2WI的GLCM各参数对良恶性卵巢实性肿瘤的诊断效能

图2 熵和对比的ROC曲线 图3 能量和逆差距的ROC曲线

1.4统计学分析 采用SPSS 17.0统计分析软件。对计量资料进行正态分布检验，服从正态分布的计量资料以±s表示，良、恶性组间比较采用独立样本t检验；不服从正态分布的计量资料以中位数(上下四分位数)表示，良、恶性组间比较采用Mann-WhitneyU检验。对有统计学差异的参数行进行ROC曲线分析，以评价其鉴别诊断卵巢实性良恶性肿瘤的效能。P<0.05为差异有统计学意义。

2 结果

2.1GLCM纹理参数比较 恶性组的熵、对比均高于良性组(P均<0.05)，逆差距和能量均低于良性肿瘤组(P均<0.05)；2组间相关差异无统计学意义(P=0.074)；见表2。

2.3GLCM纹理参数诊断效能 能量、对比、逆差距和熵鉴别诊断卵巢实性肿瘤良恶性的效能见表3，ROC曲线见图2、3，其中熵的诊断效能最佳，其AUC为0.81(P<0.01)，以6.67为临界值，鉴别良恶性卵巢实性肿瘤的敏感度为77.8%，特异度为73.7%。

3 讨论

术前准确评估卵巢肿瘤的良恶性具有重要临床意义。卵巢实性肿瘤发病率较低，目前国内外关于卵巢实质性肿瘤的MRI诊断多集中于分析单一病种的影像学特征，如对卵泡膜纤维瘤、颗粒细胞瘤、卵黄囊瘤等的分析。不同疾病具有各自的MRI特征。在临床实践中，影像学医师多通过肿瘤大小、边界、信号特征、强化方式和盆腔淋巴结情况等来评估卵巢实性肿瘤的良恶性，缺乏客观的量化指标，对医师的诊断经验依赖性强，易造成漏诊或误诊。即使是经验丰富的影像学医师，常规MRI术前准确鉴别肿瘤的良恶性也具有一定难度。如卵泡膜纤维瘤合并腹腔或胸积液时(Meigs综合征)，易被误诊为恶性肿瘤。DWI广泛用于鉴别良恶性肿瘤，其定量参数ADC值对定性诊断肿瘤有一定价值，但对于鉴别良恶性卵巢肿瘤的价值有限，原因可能为在于卵巢良性实质性肿瘤多富含纤维组织，肿瘤结构致密含水较少，导致ADC值下降，难以与恶性病变的水分子扩散受限相鉴别。田晓梅等[2，9]认为ADC值对鉴别良恶性卵巢实性肿瘤并无帮助。

与常规影像学相比，纹理分析不依赖于影像医师的主观判断和临床经验，可提供病变图像的客观信息[10]。许多纹理参数可反映肿瘤的异质性，肿瘤恶性程度越高，其异质性越强。目前用于鉴别肿瘤性质的纹理特征多来源于T2WI，原因可能是T2WI的TE相对较长，增加了组织间对比度，使图像中蕴含更多具有鉴别诊断意义的纹理特征。常规MRI纹理分析鉴别脑胶质母细胞瘤与单发转移瘤[11]以及良恶性乳腺病变[12]的纹理差异均主要基于T2WI，误诊率较低。有研究[13]认为脂肪抑制T2WI纹理分析可以鉴别肝癌、肝血管瘤与转移瘤。

纹理分析的计算方法有多种，GLCM是最常用的二阶特征纹理方法，反映灰度的空间相关特性，由于计算和理解方便而应用广泛。GLCM参数可较完整地描述图像的纹理特征，其中能量、对比、相关、逆差距、熵是最为常用的5个GLCM纹理参数[14-15]。Wibmer等[8]认为该组参数能鉴别前列腺结节良恶性及预测结节的Gleason评分。郭冬梅等[16]认为基于MRI超顺磁性氧化铁增强图像的GLCM参数可以鉴别大鼠肝细胞癌和肝硬化结节，肝细胞癌的相关及熵值高于肝硬化结节，能量及逆差距均低于肝硬化结节。本组选取这5个GLCM纹理参数对卵巢实性肿瘤的T2WI图像进行纹理分析，发现恶性卵巢实性肿瘤的能量、逆差距低于良性肿瘤，对比和熵高于良性肿瘤(P均<0.05)，提示卵巢恶性肿瘤的纹理细致程度较低、纹理不规则、复杂，肿瘤的异质性更强；其中以熵的ROC曲线的AUC最大，以6.67为临界值，鉴别良恶性卵巢实性肿瘤的敏感度为77.8%，特异度为73.7%，与其他学者对于鉴别良恶性乳腺、前列腺、肝脏病变的研究结果相似[8,12,16]。

本研究不足：①未比较MRI纹理分析参数与常规MRI诊断效能的差异；②本组仅依据文献经验选取T2WI纹理分析，未比较MRI功能成像的纹理分析对卵巢实性肿瘤良恶性鉴别的诊断效能；③为单中心回顾性研究，样本量和包含的病种均较少，且仅提取了GLCM的5个定量参数，未能建立预测模型，缺乏外部数据的验证，结果有待多中心、大样本影像组学研究进一步验证。

总之，本研究结果提示基于T2WI的GLCM纹理分析对鉴别良恶性卵巢实性肿瘤有一定临床应用价值，为卵巢肿瘤的鉴别诊断提供了新的思路和方法。