HRCT纹理分析在肺腺癌组织学分化程度预测评估中的应用

曾伟胜，黄育鑫，林杰

普宁市人民医院影像中心，广东 普宁 515300

肺腺癌是威胁人类健康和生命的最严重的恶性肿瘤之一，近年来有着较高的发病率与死亡率。断层扫描指导下进行支气管下穿刺或组织活检是对肿瘤评估的常用方法，由于肿瘤基因的异质性，很少收到有关基因突变的准确信息[1]。此外，由于CT引导下活检常会出现咯血、气胸、穿刺腔出血等并发症，在实际临床工作中的操作较为复杂，难以多次进行活检以获取病原组织[2]。目前，高分辨率CT(HRCT)是临床检测肺部变化最有效的成像工具，然而，肺部的一些阳性变化与恶性肿瘤现象会存在重叠的情况。纹理分析通过分析医学图像中灰分水平等信息，对组织器官的纹理特征进行评估，可以提供许多肉眼无法看到的图像，这有助于早期对病变性质进行鉴别[3-4]。本研究就高分辨率CT纹理分析在肺腺癌组织学分化程度预测评估中的应用价值进行研究，现将结果报道如下：

1 资料与方法

1.1 一般资料 回顾性分析2020 年1 月至2021年5 月普宁市人民医院收治的60 例肺腺癌患者的影像资料，其中男性 41 例，女性 19 例；年龄 51~86 岁，平均(68.79±18.75)岁。纳入标准：①最大直径≥10 mm的肺部实性病灶；②病灶内无钙化或空洞，或钙化灶的直径<同层面病灶直径的1/3；③无远处转移与淋巴结转移者。排除标准：①CT 图像质量不佳难以进行图像分析者；②弥漫性肺磨玻璃影患者；③GGN无薄层图像者。本研究经医院医学伦理委员会批准。

1.2 方法

1.2.1 CT检查方法 选择飞利浦Brilliance iCT-256 层螺旋CT 扫描仪对所有患者进行。扫描范围从肺尖部到膈顶的水平面。扫描参数设置为120 kV，35 mA，螺距设置为1.2 mm，球管转速2.0 r/s，视野设置为320 mm×320 mm，采集矩阵范围为510×512，128i×0.6 mm。CT平扫后从肘静脉选择高压注射器将浓度为320 mgI/mL 的非离子型对比剂碘海醇注入患者体内，注射速率设置为3.2~3.5 mL/s，剂量为1.1~1.2 mL/kg，注射对比剂后延迟25~30 s行动脉期扫描，延迟60~70s进行静脉期扫描。最后重建所得的到扫描原始数据，重建层距、层厚均设置为2 mm。

1.2.2 图像选择 将HRCT 图像在后处理工作站上选择“BMP”格式进行导出处理，对图像的窗宽/窗位进行调整，其中纵隔窗300 HU/50 HU，肺窗1 200 HU/-650 HU，确保数据的一致。图像的纹理分析使用MaZda软件进行操作。所有图像的评阅由高年资胸部影像诊断医师进行操作。最佳对比度为：横轴面动脉期纵隔窗图像，在此组图像中对病灶的最大层面图像间选择，然后选取此层面对应的平扫纵隔窗、骨与软组织重建算法肺窗以及静脉期纵隔窗图像。

1.2.3 图像纹理分析 选择纹理分析软件对感兴趣区(Region of interest，ROI)和纹理特征参数进行选取。在对纹理特征进行提取前，需要对所有图像进行标准化灰阶水平处理，以减小对比度与亮度的变化对结果产生的影响。首先，选择动脉期纵隔窗图像中最大的病灶层面图像，手动沿病灶的边缘勾画ROI，对病灶的纹理特征参数进行提取，ROI 应尽量将整个病灶包括在内，但是需要注意避开病灶边缘的气道、血管、邻近正常肺组织等结构以及伪影，对选定的ROI进行保存；随后，在所选择的层面所对应的平扫纵隔窗，骨、软组织重建算法肺窗，静脉期纵隔窗图像上分别将所保存的ROI进行导入，分别对各组图像上病灶的纹理特征参数进行提取。通过软件，每个提取出选定的ROI 中的直方图、游程检验(RUN)、绝对梯度(GRA)、灰度共生矩阵(GLCM)、小波转换(WAV)、自回归模型(ARM)等六大类纹理特征的参数值，见表1。

表1 软件纹理参数

1.2.4 纹理特征参数分类的相关分析方法 MaZ-da 软件提供3 种纹理特征的选择方法，分别是Fisher系数(Fisher)、分类错误概率联合平均相关系数(POE+ACC)和交互信息(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、POE+ACC、MI 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。

1.3 统计学方法 应用SPSS20.00 统计软件进行数据分析，计数资料以率(%)表示，采用χ2检验，以P<0.05为差异有统计学意义。

2 结果

2.1 不同序列图相的分析结果与病变情况误判率 肺腺癌的最低误判率为6.67%(4/60)，最低误判率分别出现在软组织重建算法的肺窗与静脉期纵隔窗图的FMP+NDA 分类方法上。在平扫纵隔窗图像上提取纹理特征进行鉴别最小误判率为11.67%(7/60)。在所选的纹理特征参数中，病变鉴别最低的错判率在FPM 法的纹理特征中，Fisher 系数、POE+ACC、MI 及FPM 鉴别的误判率分别为10.00%~45.00%、10.00%~51.67%、10.00%~41.67%及6.67%~51.67%。NDA对两种病变区分的误判率为6.67%~16.67%，明显低于RDA 的 21.67%~48.33%、PCA 的 16.67%~51.67%和LDA的8.33%~38.33%，差异均有统计学意义(P<0.05)，见表2。

表2 不同序列图相的分析结果与病变情况误判率(%)

2.2 图像纹理学分析图片 在动脉期纵隔窗图像上，使用MaZda软件对病灶部位进行勾画并进行图像纹理分析，见图1。

图1 图像纹理学图

3 讨论

纹理分析是一种通过对图像的空间特征、像素间特征、灰度分布特征进行分析的方法，可以获得大量肉眼以及常规CT难以识别的物体表面特征[5-6]。与传统诊断方法相比，它相对独立，不会受到主观因素和医师、摄影师的临床经验的影响。能够有效提供关于图像本身的病理影响灰度等级的客观信息，可用于各种图像的分析，包括MRI、断层扫描和PET，最常用于对CT和MRI的进一步分析，特别是在常规CT和MRI无法清楚地识别诊断的疾病中，纹理分析方法显示出独特的优点[7-9]。

良性与恶性病变之间像素、内部灰度相位分布、空间信息间关系等纹理属性存在不同程度的差异[10]。临床目前缺乏关于基于HRCT的纹理分析在确立和恶性肺部疾病方面意义的相关研究报道，但是纹理分析能够有效减少创伤性治疗的发生[11]。本研究结果表明，基于HRCT图像进行纹理分析时，诊断肺腺癌的最低误判率约为6.67%(4/60)。不同方法之间的纹理参数比较表明，软组织修复算法中，肺和静脉图像修复算法对恶性病变诊断的的错误率更低，这表明软组织修复算法在肺和静脉期纵隔窗图像上包含更多纹理线索，以有效识别恶性肺部疾病。本研究中，软组织重建算法肺窗和骨的误判率各为7.25%和10.16%。对于不同条件的图像，静脉和动脉图像中包含的纹理特征特征用于检测肺部恶性变化优于平面图像，其中静脉周期的纹理特征又明显优于动脉，错误率分别为11.59%、7.25%和8.70%。一些科学家已经使用基于增强扫描图像的三相断层扫描的纹理分析方法来识别病变中真正的肝脏实质性病变，其结果也表明基于改进方法纹理扫描的诊断效率显著超过基于水平扫描方法的诊断效率，而最有效的是基于静脉成像方法的诊断效率；此外，改进的成像纹理特性更能反映肿瘤的异质性[12]。然而，许多研究人员指出，非增强的计算机断层扫描也可能够检测出重要的异质病变特征[13]。

纹理特征的统计分类包括非线性分类(NDA)与线性分类(PCA、RDA、LDA)，其中NDA具有最高效的诊断功效[14]。在本次的研究中，NDO区分肺腺癌的错误率为6.67%~16.67%，远低于PCA、RDA、LDA评分，是最有效的诊断。使用基于传统MRI 的纹理分析技术检测乳腺癌的研究也表明，NDA诊断错误率最低而诊断功效最佳[15]。

综上所述，对HRCT 模式中的纹理分析可以作为可靠的信息，能够对肺腺癌定性和恶性病变的客观诊断提供有效的依据。此外，软组织重建算法肺窗图像与静脉期增强纵隔窗图像具有更多的纹理特征来识别肺腺癌，NDO分类方法提供了最佳的诊断依据。