基于3.0T磁共振成像的2型糖尿病胰腺纹理分析

廖先国,段秀苹,唐 伟,罗小平

(1.重庆医科大学附属第一医院合川医院放射科,重庆 401520;2.川北医学院附属医院放射科,四川南充 637000;3.重庆医科大学附属第二医院放射科,重庆 400010)

纹理分析作为一种计算机图像处理技术,可以从常规扫描的影像图像中提取大量定量参数,而无须添加额外的新扫描序列[1-3]。并且,易于加入现有的影像诊断流程,不受医生的主观判断、诊断经验等因素影响,能客观地提供肉眼观察以外的更多图像信息细节。目前,较多研究证实纹理分析能提供大量的定量信息,广泛应用于肿瘤鉴别、疗效和预后评估等方面[4-5]。但在非肿瘤方面的应用相对较少,目前主要用于评估肝纤维化、骨质疏松等[6-10]。关于胰腺纹理分析的研究报道主要集中于胰腺肿瘤性病变,而在非肿瘤方面的胰腺纹理分析研究报道较少。有学者研究证实,基于腹部多排螺旋计算机体层摄影(MDCT)断层图像上胰腺纹理分析有助于预测2型糖尿病(T2DM)[11-12]。但在MRI上分析胰腺纹理特征与T2DM相关性的研究报道较少。因此,本研究在MRI上提取胰腺纹理特征,挖掘图像内部信息,探讨T2DM患者与血糖正常患者胰腺纹理特征的差异。

1 资料与方法

1.1 一般资料

回顾性分析2017年9月至2019年9月经重庆医科大学附属第一医院合川医院临床确诊并接受上腹部或全腹部3.0T MRI检查的T2DM患者。入组标准:(1)已明确诊断或于本次检查住院期间明确诊断T2DM;(2)无胰腺炎和胰腺占位等器质性病变;(3)年龄≥18岁;(4)MRI上T2加权成像(T2WI)序列图像胰腺显示清晰,不影响感兴趣区(ROI)勾画。共纳入符合标准的患者24例(T2DM组),男13例,女11例;年龄45～85岁,平均(64.54±12.38)岁。收集同一时间段接受上腹部或全腹部3.0T MRI检查的血糖正常且无胰腺相关疾病的31例肝囊肿或肝血管瘤患者作为对照(血糖正常组),男16例,女15例;年龄31～83岁,平均(61.42±14.89)岁。两组性别、年龄比较,差异均无统计学意义(P>0.05)。

1.2 方法

1.2.1扫描设备和技术参数

扫描机型为美国GE公司3.0T超导型MR扫描仪(型号:Discovery MR750),体部32通道全腹部相控阵列表面线圈。患者检查前禁水、禁食6～8 h。检查时患者取仰卧位,双臂上举,定位中心位于患者剑突下缘,呼吸门控放于腹部呼吸幅度最大处。扫描序列如下:横断面脂肪抑制三维肝脏容积快速采集(3D liver acquisition with volume acceleration,3D-LAVA)序列T1加权成像(T1WI)、横轴面及冠状面单次激发快速自旋回波(single shot fast spin echo,SSFSE)序列T2WI、呼吸触发运动矫正T2压脂(RTr T2 fs Propeller)序列T2WI-FS、磁共振胆胰管成像(MRCP)、同相位(in phase)、反相位(out phase)、LAVA-Flex FAT序列;LAVA C+多期动态增强扫描。用美国Mallinckrodt公司MR专用双管高压注射器经前臂静脉注射MR对比剂钆双胺注射液(Gadodiamide,上海GE药业),浓度为0.5 mmol/mL,剂量0.2 mmol/kg,不超过20 mL,注射速率为3.0 mL/s,一般在5～7 s注射完毕,最后用20 mL生理盐水灌洗。每一时相采集时间13～18 s。扫描参数见表1。

表1 上腹部3.0T磁共振扫描序列参数

1.2.2胰腺ROI勾画及纹理特征提取

将入组患者平扫T2WI图像横断面dicom格式图像导入3D slicer4.11软件,由一名具有3年工作经验的放射科医师在不知道患者临床诊断信息的情况下,沿胰腺边缘半自动逐层勾画ROI(图1),勾画过程中避开周围血管及主胰管。勾画结束后选择3D slicer软件内置radiomics模块对获得的ROI提取纹理特征,包括形状特征、一阶直方图特征和二阶特征参数。其中形状特征反映ROI内胰腺组织的大小和形状,如最大径、表面积、体积等特征;一阶直方图特征描述MRI图像ROI内胰腺组织的强度信息,如百分位数、标准差、均数、方差等特征;二阶特征参数是从原始图像的小波变换中得到的统计特征和纹理特征。

A:胰腺横断位T1WI MR图;B:胰腺冠状位T1WI MR图;C:胰腺矢状位T1WI MR图;D:胰腺3维重建图。R:右侧;S;上方;L:左侧;I:下方;P:后方。图1 在横断位、冠状位和矢状位T1WI MR图上勾画胰腺三维图提取胰腺纹理特征示意图

1.2.3数据预处理

为了消除指标之间的量纲和取值范围差异的影响,需要进行标准化处理,将数据按照比例进行缩放,使之落入一个特定的区域,便于进行综合分析。Z-score标准化是常用的标准化方式[13],本研究选用Z-score标准化对数据进行预处理后再进行下一步分析。Z-score标准化即原始数据距离其均值多少个标准差的量化分数。在均值之上,则得到一个正的量化分数,在均值之下,则得到一个负的量化分数。

1.2.4数据降维及特征筛选

先对所有纹理特征进行显著性分析,对Z-score标准化过后的数据进行正态性检验,根据数据是否符合正态分布,使用两独立样本t检验或Mann-WhitneyU检验进行显著性分析,筛选出有差异的胰腺纹理特征。然后应用最小绝对收缩和选择器运算符(the least absolute shrinkage and selection operator,Lasso) 再次筛选,对差异有统计学意义的纹理特征参数进行降维,选择出最具有差异性的纹理参数进行下一步分析。

1.3 统计学处理

2 结 果

2.1 纹理特征参数的提取

总共获取纹理特征参数107个,包括14个形状特征、18个一阶直方图特征及75个二阶特征。其中75个二阶特征分为5类:(1)灰度共生矩阵(gray level co-occurrence matrix,GLCM)24个,反映图像灰度关于方向、纹理特征值提取相邻间隔和变化幅度的综合信号;(2)灰度相关矩阵(gray level dependence matrix,GLDM)24个,反映图像灰度之间的相关性;(3)灰度游程矩阵(gray level run-length matrix,GLRLM)16个,反映图像中像素点的数量和灰度级别,得到一个长度矩阵;(4)灰度级带矩阵(gray level size zone matrix,GLSZM)16个,反映所有相邻灰度值相同的像素个数;(5)邻域灰度差分矩阵(neighborhood gray-tone difference matrix,NGTDM)5个,反映灰度值与周围相邻灰度值的差异。

2.2 数据降维及特征筛选

特征筛选结果显示,两组间有32个特征比较,差异有统计学意义(P<0.05),见表2。对差异有统计学意义的特征使用R语言软件Lasso回归模型进一步筛选出4个更具有代表意义的特征(图2):第10百分位数、长游程低灰度优势、灰度不均匀性标准化.1和小面积低灰度优势。

Coefficients:Lasso系数;Log Lambda:匿名函数;Binomial Deviance:二项偏差损失函数;Log(λ):调优参数的对数函数。图2 胰腺纹理特征Lasso降维过程图

表2 T2DM组和血糖正常组MRI T2WI纹理参数比较

2.3 胰腺纹理特征对T2DM的诊断效能

ROC曲线显示,第10百分位数、长游程低灰度优势、灰度不均匀性标准化.1和小面积低灰度优势预测T2DM的ROC曲线下面积(AUC)分别为0.700、0.663、0.664、0.657,第10百分位数的AUC最高,对T2DM的预测效能优于其他特征,见图3。

图3 胰腺纹理特征预测T2DM的ROC曲线

3 讨 论

纹理分析是指通过图像处理技术提取出一系列纹理参数,获得肉眼不能识别的图像纹理特征量化值,能客观评估器官的异质性或病理改变,并可能反映相关组织的微环境信息,其结果不受评估者的主观意识、工作经验等因素影响[14-15]。近年来,磁共振纹理分析在临床研究中应用越来越广泛,纹理分析在肿瘤性病变的鉴别诊断、病理亚型分级、临床预后及治疗效果评估等方面的应用均有大量文献报道[16-18]。这些研究结果说明纹理特征分析在临床研究中较成熟。目前关于T2DM的胰腺磁共振纹理分析的文献报道较少,本研究对胰腺整体勾画提取纹理特征,探究胰腺纹理特征在T2DM组与血糖正常组的差异。由于随着年龄增长,胰腺实质或间质会发生萎缩或脂肪化[19];同时,性别对胰腺生理性变化也有一定的影响[20]。本研究两组患者在年龄和性别构成上无明显差异,减小了年龄、性别等因素对研究结果造成的影响。

T2DM早期诊断率低,致残率高,患者经济负担重,因此T2DM的早期诊断对临床诊疗及患者预后尤为重要[21]。但是,在日常诊断工作中,T2DM患者与血糖正常患者的胰腺在肉眼层面很难鉴别。而纹理分析不同于传统的影像诊断,提供了不同于肉眼诊断的精准数字化诊断思路,有希望对T2DM进行早期诊断。在既往的研究中,磁共振胰腺纹理分析主要集中于胰腺肿瘤性病变及胰腺炎等方面[16,18,22-23]。胰腺的胰岛、腺泡细胞和导管网络分布在不同部位的差异性为胰腺的纹理特征研究提供了解剖基础[24]。T2DM的胰岛淀粉样蛋白沉积和相应的外分泌腺体纤维化在整个胰腺呈小叶分布,这种小叶纤维化或淀粉样蛋白沉积分布是不均匀的,即胰腺在生理和病理上具有空间异质性[25]。胰腺局部ROI测量可能并不能准确体现出胰腺的病理变化。因此,本研究勾画整个胰腺组织,可以较准确地反映T2DM患者的胰腺纹理特征变化。

本研究通过逐层勾画ROI,范围涵盖了全胰腺,结果表明:32个纹理特征在两组间比较,差异有统计学意义(P<0.05),其中21个特征纹理T2DM组参数值高于血糖正常组,11个纹理特征T2DM组参数低于血糖正常组,提示在图像微观层面T2DM组与血糖正常组的胰腺纹理特征有明显差异。此外,笔者通过对纹理特征进行筛选,最后得到4个最具有代表性的纹理特征,分别是第10百分位数、长游程低灰度优势、灰度不均匀性标准化.1和小面积低灰度优势。对筛选后纹理特征绘制ROC曲线表明,上述4个特征在预测性诊断T2DM方面具有重要意义,其中第10百分位数的AUC最高(0.700),提示其诊断效能相对优于其余3项纹理特征。

本研究样本量较小,在今后的研究中应进一步加大样本量,使样本特征更接近于总体样本。此外,本研究仅对T2WI序列进行了特征提取,未提取其余磁共振序列纹理特征做进一步讨论,在将来的研究中应进一步增加其他序列,对比讨论最优预测序列。综上所述,胰腺纹理分析在T2DM的诊断方面具有重要价值,在未来人工智能影像精准化诊断的发展中可能提供重要参考依据。