纹理分析在MRI动态增强扫描鉴别肾细胞癌亚型中的应用研究

周智，陈杰，潘靓，周菲菲，邢伟*

肾细胞癌(renal cell carcinoma，RCC)是最常见的肾脏恶性肿瘤，占肾脏肿瘤的90%～95%[1]。透明细胞肾细胞癌(clear cell renal cell carcinoma，ccRCC)、乳头状肾细胞癌(papillary renal cell carcinoma，pRCC)和嫌色肾细胞癌(chromophobe renal cell carcinoma，ChRCC)是最常见的三种RCC亚型，分别占RCC的70%～85%、7%～15%、5%～10%[2-3]。RCC亚型的术前准确诊断对临床治疗方案的制订具有重要价值。MRI是RCC术前无创性诊断的重要手段，然而目前的研究表明MRI鉴别这三种RCC亚型的诊断准确率仍有待进一步提高[4]。纹理分析是通过分析从医学图像中提取的像素或体素灰度分布信息来表征组织特性的定量方法，可提供大量肉眼无法识别的特征信息[5]。大部分MRI纹理分析多提取单层图像的二维层内纹理特征，最近的一些研究表明三维纹理分析能提供更多空间信息以提高鉴别组织特性的性能[6-7]。本研究旨在探讨动态增强(dynamic contrast-enhanced，DCE) MRI三维纹理分析鉴别ccRCC、pRCC和ChRCC的价值。

1 材料与方法

1.1 一般资料

回顾性分析苏州大学附属第三医院2011年8月至2018年10月符合以下标准的患者资料。纳入标准：(1)经手术或穿刺活检等病理证实为ccRCC、pRCC或ChRCC；(2)术前或穿刺前1周接受肾脏DCE-MRI检查，包括轴位皮髓质期、肾实质期、延迟期增强T1WI。排除标准：MRI图像质量不佳，影响进一步图像分析。113例患者纳入研究，包括74例ccRCC、22例pRCC和17例ChRCC。其中，男80例，女33例；年龄30～79岁，中位年龄55岁。

1.2 MRI检查

采用德国Siemens Verio 3.0 T超导型MR扫描仪及12通道相控阵列体部线圈。采集序列及扫描参数为：(1)冠状位T2WI：TR 1 800 ms，TE 91 ms，FOV 380 mm×380 mm，矩阵179×256，层厚6.5 mm，层间距1.95 mm；(2)轴位多期增强T1WI：采用脂肪抑制三维容积内插体部检查序列，TR 3.92 ms，TE 1.39 ms，FOV 285 mm×380 mm，矩阵168×320，层厚3 mm，层间距0 mm；以2 ml/s速率经肘前静脉快速团注Gd-DTPA对比剂(剂量为0.1 mmol/kg体重)，然后以相同速率注射15 ml生理盐水，分别于对比剂注射后30～40 s、70～80 s、3 min采集皮髓质期、肾实质期及延迟期增强T1WI。

1.3 图像纹理分析

采用MaZda软件(version 4.6，http://www.eletel.p.lodz.pl/ mazda/)进行MRI纹理分析。

(1)三维感兴趣体积(volume of interest，VOI)的设置：将所有患者皮髓质期、肾实质期及延迟期增强T1WI这三个图像集以DICOM格式分别导入MaZda软件三维编辑器。由1名具有10年泌尿系统影像诊断经验的高年资放射科医师沿肿瘤边缘逐层手动勾画感兴趣区(region of interest，ROI)，以生成肿瘤的三维VOI。为了减少部分容积效应的影响，不在肿瘤最上层及最下层图像上勾画ROI。(2)三维纹理特征提取及筛选：为减少图像亮度和对比度的影响，在纹理特征提取前对所有VOI进行灰阶标准化，使图像灰度在[µ-3σ, µ+3σ](µ和σ分别是平均灰度值和标准差)的范围。从每个VOI提取出基于直方图、共生矩阵(co-occurrence matrix，COM)、游程长度矩阵(run length matrix，RLM)及梯度这四类纹理参数的314个三维纹理特征(表1)，其中COM和RLM包含Z方向上的图像层间纹理特征。针对每个图像集中ccRCC、pRCC和ChRCC的两两鉴别，采用交互信息、Fisher系数以及分类错误概率结合平均相关系数相联合的特征选择算法分别筛选出30个具有最高鉴别能力的纹理特征。(3)纹理数据分类分析：使用MaZda软件B11程序包(version 3.4)的原始数据分析(raw data analysis，RDA)、主成分分析(principle component analysis，PCA)、线性判别分析(linear discriminant analysis，LDA)和非线性判别分析(nonlinear discriminant analysis，NDA)四种分析方法进行纹理数据分类分析，得到相应的错判率及相应的错判病例，并计算相应的真阳性、假阳性、真阴性、假阴性病例数。由于用于鉴别pRCC和ChRCC的纹理特征集不符合LDA方法要求，仅采用RDA、PCA和NDA方法分析。

1.4 统计学分析

根据真阳性、假阳性、真阴性、假阴性病例数，分别计算RDA、PCA、LDA、NDA四种分析方法对皮髓质期、肾实质期及延迟期增强T1WI中ccRCC、pRCC和ChRCC两两鉴别的诊断准确率、敏感度、特异度，并采用SPSS 22.0软件计算受试者工作特征(receiver operating characteristic，ROC)曲线下面积(area under the curve，AUC)。P＜0.05表示差异有统计学意义。

2 结果

2.1 三维纹理特征的选择

在三个图像集中，基于ccRCC、pRCC和ChRCC两两鉴别的纹理特征的选择频率如表2所示。经过筛选的纹理特征大部分来源于COM。基于COM和RLM的层间纹理特征的选择频率如表3所示，在肾实质期增强T1WI中筛选出的用于鉴别pRCC和ChRCC的层间纹理特征最多。

2.2 DCE-MRI三维纹理分析的诊断效能

DCE-MRI三维纹理分析鉴别ccRCC、pRCC和ChRCC的诊断效能如图1和表4所示。对于鉴别ccRCC和pRCC，NDA方法判别皮髓质期增强T1WI的纹理特征获得最高诊断效能，AUC为0.846，诊断准确率、敏感度和特异度分别为88.54%、91.89%和77.27%；对于鉴别ccRCC和ChRCC，NDA方法判别延迟期增强T1WI的纹理特征获得最高诊断效能，AUC为0.928，诊断准确率、敏感度和特异度分别为95.60%、97.30%、88.24%；对于鉴别pRCC和ChRCC，NDA方法判别肾实质期增强T1WI的纹理特征获得最高诊断效能，AUC为0.805，诊断准确率、敏感度和特异度分别为79.49%、72.73%、88.24%。总体上，NDA方法对于ccRCC、pRCC和ChRCC的两两鉴别具有最佳诊断效能，并且对三个图像集的纹理特征判别均获得较高的诊断效能(AUC 0.707～0.928)。对于ccRCC与pRCC、ccRCC与ChRCC的鉴别，LDA方法也表现出较好的诊断效能(AUC 0.728～0.901)。

表1 三维纹理分析提取的纹理特征Tab. 1 Texture features extracted by three-dimensional texture analysis

表2 ccRCC、pRCC和ChRCC两两鉴别的三维纹理特征的选择频率Tab. 2 The frequency of three-dimensional texture features selected for differentiating ccRCC, pRCC and ChRCC

表3 基于COM和RLM的层间纹理特征的选择频率Tab. 3 The frequency of the inter-slice texture features derived from COM and RLM

表4 DCE-MRI三维纹理分析鉴别ccRCC、pRCC和ChRCC的诊断效能Tab. 4 The diagnostic performance of DCE-MRI three-dimensional texture analysis in differentiating ccRCC, pRCC and ChRCC

图1 DCE-MRI三维纹理分析鉴别ccRCC、pRCC和ChRCC的ROC曲线下面积热图。纵列为不同纹理分类方法，包括原始数据分析、主要成分分析、线性判别分析和非线性判别分析方法；横行为不同序列图像集，包括皮髓质期、肾实质期和延迟期增强T1WIFig. 1 DCE-MRI three-dimensional texture analysis to identify area under the ROC curve heat map of ccRCC, pRCC and ChRCC: column is a different texture classification method, including raw data analysis, principle component analysis, linear discriminant analysis, and nonlinear discriminant analysis methods, transverse rows are sets of different sequence images, including corticomedullary phase, nephrographic phase and delayed phase enhance T1WI.

3 讨论

3.1 DCE-MRI纹理分析鉴别RCC亚型的价值

RCC亚型的术前鉴别诊断一直是泌尿系统影像诊断的关注点。Sevcenco等[8]研究RCC的DCE-MRI表现，结果显示动脉期强化可作为pRCC与非乳头状RCC鉴别的影像标志物，其诊断准确率约为76.4%。Young等[9]发现增强MRI的皮髓质期相对信号强度鉴别ccRCC与其他RCC的诊断准确率达90%。然而，对于ccRCC、pRCC和ChRCC的两两鉴别，特别是鉴别pRCC与ChRCC，MRI强化方式的诊断性能并不乐观[4，10]。虽然扩散加权成像、MRI灌注成像等功能性MRI成像技术已逐步应用于RCC的研究，但是这些技术主要起辅助诊断作用，肾脏DCE-MRI扫描仍是目前最成熟规范、临床应用最广泛的RCC检查手段[11-12]。本研究应用三维纹理分析挖掘DCE-MRI图像中更多、更客观的肿瘤特征信息，研究结果显示DCE-MRI三维纹理分析可用于鉴别ccRCC、pRCC和ChRCC，鉴别ccRCC与pRCC的诊断准确率可达88.54%，鉴别ccRCC与ChRCC的诊断准确率可达95.60%，鉴别pRCC与ChRCC的诊断准确率可达79.49%。

3.2 三维纹理分析的优势

三维纹理分析具有捕获二维纹理分析完全忽略的层间纹理特征的优势[13-14]。本研究从每个三维VOI中提取出的314个三维纹理特征中包含了55个基于COM的层间纹理特征和5个基于RLM的层间纹理特征。在纹理特征筛选阶段，每个图像集中选择的层间纹理特征最多为8个，这与Fetit等[6]的研究结果一致。他们认为层间隔的存在可能是被选择的层间纹理特征数量有限的原因，然而从整个VOI中提取的空间信息足以提高纹理分析分类性能。

3.3 不同纹理分类判别方法鉴别RCC亚型的价值

本研究应用RDA、PCA、LDA和NDA四种方法进行纹理特征分类分析，其中NDA方法对于ccRCC、pRCC和ChRCC的两两鉴别具有最佳诊断效能，ROC曲线下面积达0.707～0.928，LDA是除NDA以外具有较高诊断效能的分析方法，ROC曲线下面积达0.728～0.901，这与Yan等[15]的研究结果一致。在使用NDA方法时，皮髓质期、肾实质期及延迟期增强T1WI的纹理特征判别均获得了较高的诊断效能。这一结果说明三维VOI中提取的纹理特征包含了充分的有助于区别RCC亚型的信息，从而大大提高了诊断效能。

3.4 不足与展望

本研究存在以下局限性：首先， pRCC和ChRCC的发病率低，其样本量较小；其次，本研究对不同序列图像集的纹理特征进行单独分析，未来将综合分析不同序列图像集的纹理特征以进一步探寻具有最佳鉴别诊断价值的纹理特征。

综上所述，DCE-MRI三维纹理分析可为ccRCC、pRCC和ChRCC的鉴别诊断提供客观可靠的依据，具有较高的诊断效能。

利益冲突：无。