基于HRCT图像的纹理分析技术在鉴别良恶性肺部病变中的价值

雷强， 万齐， 邹乔， 余煜栋， 包盈莹， 王宇泽， 李新春

HRCT是目前检测肺部病变的最佳影像手段[1-2]，但部分肺部良性病变与恶性肿瘤的CT征象存在重叠，仅凭病灶的形态学特点难以进行鉴别，仍需要通过多次穿刺或活检才能明确诊断。纹理分析通过分析医学图像的灰阶信息等来评价组织器官的纹理特征，提供许多肉眼无法看到的图像信息，有助于早期、无创性的明确病灶的性质[3-4]。本研究旨在探讨HRCT图像纹理分析技术对孤立性良、恶性肺部实性病变的鉴别诊断价值。

材料与方法

1.临床资料

回顾性分析本院2016年1月-2017年12月经病理证实的69例孤立性肺实性病变患者的临床及影像资料。其中男44例、女25例，年龄5～86岁；恶性病变41例(腺癌32例，腺鳞癌2例，小细胞肺癌3例，大细胞癌1例，黏液表皮样癌2例及类癌1例)，良性病变28例(错构瘤9例，机化性肺炎8例，硬化性肺泡细胞瘤5例，隐球菌感染性病变4例，曲霉菌感染性病变1例及炎性肌纤维母细胞瘤1例)。纳入标准：①肺部实性病灶，最大直径≥10 mm，病灶内无空洞或钙化灶的直径不超过同层面病灶直径的1/3；②未发现淋巴结转移或远处转移。排除标准：CT图像质量不佳，不能用于图像分析。

2.CT检查方法

使用Siemens Definition AS+ 128排螺旋CT扫描仪。扫描参数：120 kV，35 mAs，螺距1.2，球管转速2.0 r/s，视野320 mm×320 mm，采集矩阵512×512，128i×0.6 mm。扫描范围自肺尖部至膈顶水平。CT平扫后使用高压注射器经肘前静脉注射非离子型对比剂碘海醇(320 mg I/mL)，剂量1.1～1.2 mL/kg，注射流率3.2～3.5 mL/s，注射对比剂后延迟25～30 s和60～70 s分别行动脉期及静脉期扫描。最后对扫描原始数据进行图像重建，重建层距、层厚为2 mm。

3.图像选择

在后处理工作站上将HRCT图像以“BMP”格式导出，导出时调整图像的窗宽/窗位(肺窗1200 HU/-650 HU，纵隔窗300 HU/50 HU)并保持一致。使用MaZda软件进行图像纹理分析。由高年资胸部影像诊断医师对所有图像进行评阅。由于横轴面动脉期纵隔窗图像的对比度最佳，在此组图像中选取病灶最大层面的图像，然后选取此层面对应的骨重建算法肺窗、软组织重建算法肺窗、平扫纵隔窗及静脉期纵隔窗图像。

4.图像纹理分析

选取ROI及提取纹理特征参数：采用罗兹工业大学提供的免费纹理分析软件(MaZda 4.6，http://www.eletel.p.lodz.pl/mazda/)。在提取纹理特征前，所有图像需进行灰阶水平的标准化，以减小亮度和对比度变化对分析结果的影响。首先，在动脉期纵隔窗图像中选取病灶最大层面的图像，沿病灶的边缘手动勾画ROI(图1)，提取病灶的纹理特征参数，ROI应尽量包括整个病灶，需避开病灶边缘的伪影及周围的组织结构(如血管、气道、邻近正常肺组织)，保存选定的ROI；随后，在上述选取层面所对应的骨重建算法肺窗、软组织重建算法肺窗、平扫纵隔窗及静脉期纵隔窗图像上分别导入所保存的ROI，分别提取各组图像上病灶的纹理特征参数。

通过MaZda软件，每个选定ROI可提取出直方图、游程检验(run-length matrix，RUN)、绝对梯度(absolute gradient，GRA)、灰度共生矩阵(gray-level co-occurrence matrix，GLCM)、自回归模型(uto-regressive model，ARM)及小波转换(wavelets ransform，WAV)这六大类共287个纹理特征参数值(表1)。

表1 MaZda软件显示的纹理参数

图1 使用MaZda软件在动脉期纵隔窗图像上在病灶内勾画ROI进行纹理特征参数的测量。a) 机化性肺炎； b) 硬化性肺泡细胞瘤； c) 肺腺癌； d) 肺黏液表皮样癌。

图2 不同序列图像上FPM法鉴别孤立性良恶性肺部实性病变的散点图。1表示良性，2表示恶性，“1”与“2”的位置分布明显不同，表明纹理分析法的鉴别能力较好。a) 基于软组织重建算法平扫肺窗图像； b) 基于静脉期纵隔窗图像。

选择纹理特征参数：MaZda软件提供3种纹理特征的选择方法，分别是Fisher系数(Fisher coefficient，Fisher)、分类错误概率联合平均相关系数(classification error probability combined average correlation coefficients，POE+ACC)和交互信息(mutual information，MI)，每种方法选择出10个最有鉴别价值的纹理特征参数。还可以联合使用上述3种方法(FPM)，共选择30 个纹理特征参数。本研究中分别采用Fisher、MI、POE+ACC和FPM共4类方法进行最具鉴别价值的纹理特征参数的选择。

纹理特征参数分类分析方法：B11统计分析软件是MaZda软件自带的统计分析软件包，提供4种常用的纹理特征参数分类分析方法，分别是原始数据分析(raw data analysis，RDA)、主成分分析(principal component analysis，PCA)、线性分类分析(linear discriminant analysis，LDA)和非线性分类分析(nonlinear discriminant analysis，NDA)。采用上述4种纹理特征分类分析方法分别对所选择的各序列的纹理特征参数进行分类分析，计算各纹理特征参数鉴别肺部良恶性病变的准确性(以误判率的形式表示)。误判率越小说明该组图像对肺部良恶性病变的鉴别能力越高，能提供的鉴别肺部良恶性病变的纹理特征越多。

结 果

不同序列图像上各种纹理特征分析方法鉴别良恶性肺部病变的误判率见表2。采用MaZda软件进行纹理特征的选择和分类分析时，区分肺部良、恶性病变的误判率最小为7.25%(5/69)，分别在软组织重建算法肺窗和静脉期纵隔窗图像上各出现1次，均为FMP联合NDA分类方法时出现。而平扫纵隔窗图像上提取的纹理特征鉴别这两类病变的最小误判率为11.59%(8/69)。不同纹理特征参数的选择方法中，鉴别两类病变的最低错判率出现在FPM法选择的纹理特征中(图2)，Fisher系数、POE+ACC和MI及3种方法联合法(FPM)鉴别两类病变的误判率分别为10.14%～44.93%、10.14%～52.17%、 10.14%～42.03%及7.25%～50.72%。不同纹理特征的分类分析方法中，NDA区分两种病变的误判率(7.25%～17.39%)低于RDA(21.74%～50.72%)、PCA(27.54%～52.17%)和LDA(8.70%～36.23%)，其鉴别诊断效能最高。

讨 论

纹理分析是利用已获得的图像数据分析图像灰阶分布特征、像素间关系和空间特征的一种方法，可提供大量肉眼无法识别的物体的表面特征信息[2,4-11]。与传统的经验性影像鉴别诊断方法相比，纹理分析法相对不依赖于影像医师的主观因素及临床经验，提供的是影像图像上病变本身的灰度水平等客观信息，可用于多种影像图像的分析，包括 CT、MRI 及 PET 等，最常应用于对CT 和MRI图像的分析，尤其是常规CT及MRI未能明确诊断的病变中，纹理分析方法显示出独特的优势。肺部良、恶性病变的内在像素灰阶分布水平、空间信息及像素间的联系等纹理特性存在一定的差异。目前，基于HRCT图像的纹理分析法鉴别良、恶性肺部病变的相关研究鲜有报道，而纹理分析法鉴别良恶性病变可减少不必要的有创性治疗手段。本组研究结果提示，基于HRCT图像的纹理分析法在鉴别诊断肺部良、恶性病变时的误判率可低至7.25%(5/69)。

纹理特征参数的不同选择方法之间的比较结果显示，软组织重建算法肺窗及静脉期纵隔窗图像的误判率最低(7.25%)，提示软组织重建算法肺窗及静脉期纵隔窗图像上蕴含更多鉴别肺部良恶性病变的纹理特征。本研究中软组织重建算法肺窗及骨重建算法肺窗的最低错判率分别为7.25%和10.16%。对于不同条件的纵隔窗图像而言，静脉期和动脉期图像上所蕴含的鉴别肺部良恶性病变的纹理特征均优于平扫图像，而静脉期又优于动脉期，三者的最低误判率分别为11.59%、7.25%和8.70%。有学者采用基于三期CT增强扫描图像(动脉期、静脉期和延迟期)的纹理分析法对局灶性肝脏实性病变进行鉴别，其结果亦显示基于增强扫描的纹理分析技术的鉴别诊断效能要明显优于基于平扫图像者，其中又以门静脉期图像的诊断效能为最佳；而且增强图像提取的纹理特征更能反映肿瘤的异质性[12]。然而，有不少研究者指出基于非增强CT图像的纹理分析同样可以显示病灶的重要的异质性特征[13-14]。

对纹理特征参数的统计分类方法包括线性分类(RDA、PCA、LDA)和非线性分类(NDA)，其中NDA具有最优的鉴别诊断效能。本研究中，NDA区分肺部良、恶性病变的误判率(7.25%～17.39%)较RDA、PCA和LDA明显降低，其鉴别诊断效能最佳。张竹伟等[15]运用基于常规MRI的纹理分析技术鉴别乳腺良恶性病变的研究结果也表明，NDA 具有最低的误判率和最佳的鉴别诊断效能。

本研究存在以下局限性：①由于肺窗和纵隔窗图像的窗宽和窗位有明显差异，使得显示病灶的空间分辨率及对比度存在一定差异，导致两组图像上通过观察病灶结构及边界后所选取的ROI可能不完全一致。②本研究中仅选择病灶最大层面进行ROI的勾画和数据测量，未能包括病灶的全部层面的信息，尚需在今后的研究中进行全病灶ROI的选取和纹理分析。

综上所述，本研究显示HRCT图像纹理分析可为良、恶性孤立性肺实性病变的鉴别诊断提供可靠的信息和客观依据。静脉期增强纵隔窗图像及软组织重建算法肺窗图像上蕴含较多的鉴别肺良恶性病变的纹理特征，NDA分类分析方法具有最优的鉴别诊断效能。