基于磁共振多序列纹理分析技术鉴别小脑脑桥角脑膜瘤与前庭神经鞘瘤

吴 颖 李彩霞 时园园 管立威

前庭神经鞘瘤（vestibular schwannoma， VS）和脑膜瘤是脑桥小脑三角区最常见的两种肿瘤，分别占70%～80%和6%～15%［1］。VS 多为起源于前庭神经鞘膜的良性肿瘤，少部分起源于耳蜗神经鞘膜，临床表现为进行性听力丧失、耳鸣，部分可有面部感觉异常、眩晕、头痛等症状［2］。而小脑脑桥角脑膜瘤 （cerebellopontine angle meningioma， CPAM）多起源于岩骨或岩骨-天幕交界处的蛛网膜颗粒细胞，蛛网膜颗粒同样存在于颅神经出口处，沿神经孔分布，发生在内听道的CPAM 同样可表现为听力受损、耳鸣、头痛等症状［3］。仅凭临床表现，两者难以鉴别。CPAM 和VS通常具有典型的影像特征：CPAM 可有钙化，强化程度较均匀，与脑膜以广基底相贴，增强图像可出现“脑膜尾征”；VS 病灶囊变、出血常见，增强扫描VS 病灶与听神经分界不清时，可出现“倒逗点征”［4-5］。当特征性影像表现缺乏时，两者鉴别存在一定困难，尤其当CPAM 累及听神经或VS 患者听神经无明显增粗受累时，有研究显示约23% 的CPAM 术前被误诊为VS［6］。这两种肿瘤主要治疗方式为手术切除，但是手术路径不同：VS 多经迷路入路切除，CPAM 多经枕下-乙状窦后切除。预后方面，CPAM 复发率高，但是听力保留成功率高于VS。因此，术前对CPAM 和VS 的精准鉴别，对于手术方式的选择、预后的评估至关重要。

纹理分析是利用计算机图像分析处理技术，提取图像的纹理特征进行定量描述，量化分析图像的信号强度和模式变化特征的方法［7-8］。灰度直方图属于一阶纹理分析方法，依据图像像素灰度值的大小，统计其出现频率及分布特征。灰度共生矩阵（grey-level co-occurrence matrix， GLCM）属于二阶纹理分析方法，通过研究像素间灰度的空间相关特性获取图像纹理信息。本文利用灰度直方图及GLCM 纹理分析技术，通过对T2 加权成像（T2WI）、表观弥散系数（apparent diffusion coefficient，ADC）及对比增强T1加权成像（contrast enhanced T1 weighted imaging，CE-T1WI）多序列图像进行分析，诣在探寻最佳的磁共振序列及最优的参数用以实现术前对CPAM 和VS的精准鉴别。

方法

1. 一般资料

回顾性分析2016年2月至2021年12月手术病理证实的CPAM 和VS 患者的临床资料、影像图像。入组标准：1）首发患者，行首次MRI 检查前未接受任何相关治疗；2）病变位于脑桥小脑三角区，术前MR 图像完整（包含轴位T2WI、ADC、CE-T1WI 等序列图像）；3）术后病理证实为CPAM 或VS。排除标准：1）图像有伪影，影响分析；2）多发病变；3）完全囊变的VS。最终共47 例患者（21 例CPAM，26例VS）纳入此次研究。CPAM 组男6 例，女15 例，年龄32～73岁，平均（54.6±9.8）岁；VS组男11例，女15 例，年龄27～68 岁，平均（53.3±10.3） 岁。CPAM 组病灶大小：16 mm×14 mm~56 mm×55 mm，最大径为16~56（36.8±10.4）mm；VS 组病灶大小：13 mm×12 mm~52 mm×34 mm， 最大径为13~52（27.3±9.4）mm。CPAM 组包含脑膜瘤Ⅰ级19 例，Ⅱ级2例。

2. 仪器与方法

采用德国Siemens 3.0 T MRI 扫描仪进行图像采集。扫描序列包括轴位的T1WI、T2WI及弥散加权成像（diffusion-weighted imaging，DWI），扫描参数见表1。增强扫描参数同T1WI，对比剂为钆喷酸葡胺，剂量0.1 mmol/kg。扫描使用关联模式，保证各序列为相同层面。后处理工作站根据DWI 序列自动生成ADC图。

表1 主要扫描序列及参数

3. 图像分析

将所有患者的MR 图像以Dicom 格式从PACS 工作站导出，并转入Image J 软件。在未知病理结果的条件下，由2 名有8年以上工作经验的影像科医师参照CE-T1WI 和T2WI 图，在ADC 图中选取肿瘤径线最大层面半自动勾画肿瘤边界，并通过人工调整分割感兴趣区（ROI），如图1所示。分割过程中注意避开水肿、血管、静脉窦、脑膜等，并除外液化、坏死、出血、囊变区。部分轻度变形的图像，利用Image J软件对ROI轮廓进行适当调整。对于勾画区域差异较大的图像，进行手动勾画。将勾画的ROI复制到相应的CE-T1WI 和T2WI 图上。2 名影像科医师观点存在差异时，通过沟通交流达成一致。通过对各序列ROI进行处理分析，获取灰度直方图参数有：最大值、最小值、平均值、中位数、标准差、峰度、偏度；GLCM 参数有：角二阶矩、对比、逆差矩、熵、相关。

图1 CPAM和VS患者图像资料

4. 统计学分析

使用SPSS 21.0 软件进行统计分析。数据正态性检验采用Kolmorotov-Smirnov检验。服从正态分布的数据采用独立样本t检验比较；非正态分布数据采用Mann-WhitneyU秩和检验比较。组间比较差异有统计学意义的参数，绘制受试者工作特征（receiver operating characteristic， ROC）曲线，获取约登指数（约登指数=灵敏度+特异度-1），确定鉴别CPAM 和VS 的最佳临界值，并计算曲线下面积（area under curve，AUC）、灵敏度、特异度、95%置信区间、P值等参数。P<0.05认为差异具有统计学意义。

结果

1. CPAM和VS灰度直方图参数组间比较

CPAM 组和VS 组灰度直方图参数及组间比较结果见表2。CE-T1WI 序列中，CPAM 最小值、峰度高于VS，标准差低于VS，余参数组间比较无统计学差异（P>0.05）。T2WI 序列中，CPAM 最小值、峰度高于VS，最大值、平均值、中位数、标准差低于VS，偏度在组间比较无统计学差异（P=0.615）。ADC 图中，CPAM 峰度和偏度高于VS，平均值、中位数、标准差低于VS，余参数组间比较无统计学差异（P>0.05）。

表2 CPAM和VS灰度直方图参数比较

2. CPAM和VS GLCM 参数组间比较

CPAM 组和VS 组GLCM 参数及组间比较结果见表3。CE-T1WI 序列中，CPAM 角二阶矩、逆差矩高于VS，对比、熵低于VS，相关在组间比较无统计学差异（P=0.111）。T2WI 序列中，CPAM 角二阶矩、逆差矩、相关高于VS，对比、熵低于VS（P<0.05）。ADC 图中，CPAM 逆差矩、相关高于VS，熵低于VS，余参数组间比较无统计学差异（P>0.05）。

表3 CPAM和VS GLCM 参数比较

3. 纹理参数对CPAM 和VS 鉴别诊断的效能评估

对组间比较差异有统计学意义的参数绘制ROC曲线进行评价，结果见表4 和图2。三种序列中，AUC>0.7 的参数有24 个，CE-T1WI 序列7 个，T2WI序列11 个，ADC 图6 个。AUC 值最大的前3 个参数分别为标准差T2WI（AUC 为0.947，最佳临界值为14.458，灵敏度为96.2%，特异度为85.7%）、标准差CE-T1WI（AUC 为0.918，最佳临界值为15.870，灵敏度为92.3%，特异度为81.0%）和峰度ADC（AUC 为0.907，最佳临界值为2.562，灵敏度为81.0%，特异度为96.2%）。

图2 有统计学差异的纹理参数ROC曲线分析

表4 有统计学差异的纹理参数ROC曲线分析

续表

讨论

本研究通过对比CPAM 和VS 在CE-T1WI、T2WI 和ADC 序列图像中灰度直方图和GLCM 共12个参数，分析各参数在鉴别诊断中的效能。在CET1WI 和T2WI 图像中，标准差鉴别诊断效能最高，临界值分别为15.870、14.458，AUC 分别为0.918、0.947，灵敏度分别为92.3%、96.2%，特异度分别为81.0%、85.7%；在ADC 图中，峰度鉴别诊断效能最高，临界值为2.562，AUC 为0.907，灵敏度为81.0%，特异度为96.2%。

VS 包括Antoni A 区（实性区）和B 区（囊变区），Antoni B 区多为疏松的黏液样网状区，细胞密度低，液体含量多，囊变发生率可达84%。此外，VS 病灶内异常血管通道易形成自发血栓，微出血发生率高。Thamburaj 等［4］的研究显示，16 例VS 病灶中，T2*GRE 序列可检出15 例病灶中有微出血灶（检出率93.75%），病灶所示微出血数在4 至140 间，而在常规T2WI 及FLAIR 序列中，仅检出2 例（检出率12.5%），且这2 例病灶中所示微出血数不超过2 个。虽然在ROI勾画过程中，我们仅对肿瘤实体区域进行勾画，但是在常规MRI 序列中，对于微小出血、囊变、液化、坏死区域，肉眼难以与肿瘤实体部分进行分辨。计算机纹理分析技术通过提取ROI区域内所有像素的纹理信息，可以反映并放大这些差异。本研究显示，T2WI 序列中VS 最大值及平均值均高于CPAM，推测与VS 内微小液化、囊变区域有关；VS最小值低于CPAM，推测与VS 内微出血引起的含铁血红素沉积有关。然而，脑膜瘤包含多种分级及亚型，虞芯仪等［9］的研究显示，在T2WI序列中，高级别脑膜瘤最大值高于低级别脑膜瘤最大值。本研究纳入的CPAM 以Ⅰ级居多（占90.5%）。WHO 分级Ⅰ级脑膜瘤包含上皮型、纤维型及血管瘤型等亚型，以前两者居多。其中上皮型脑膜瘤因细胞密度大，在T2WI 序列中多呈均匀等信号；纤维瘤型脑膜瘤因富含纤维成分，在T2WI 序列中呈等或稍低信号；血管瘤型脑膜瘤因富含血管成分，在T2WI 序列中多呈稍高信号。但是血管瘤型脑膜瘤发生率低，占全部脑膜瘤的2.1%，且多位于大脑凸面、镰旁、蝶骨嵴等位置，发生在脑桥小脑三角区更是少见［10］。在未来研究中，将继续扩大样本含量，以进行不同级别及不同亚型的CPAM 与VS 的鉴别诊断。增强扫描时，肿瘤实性区域强化，液化坏死区域不强化。本研究结果显示CE-T1WI 序列中，VS 最小值低于CPAM。标准差反映直方图灰度值分布的离散程度，标准差越大，病灶异质性越大。本研究显示三种序列图像中CPAM标准差均低于VS，与CPAM 相比，VS病变均匀度更低，像素间灰度值分布更离散。ADC 值与血管外细胞间隙的空间范围呈正相关，与组织细胞密度、核质比呈负相关［11］。本研究显示ADC 图中，CPAM 平均值、中位数、标准差均低于VS，这之前研究结果一致［12-13］。CPAM 瘤体内细胞密度大，核质比高，水分子弥散受限明显，ADC值降低。VS较高的ADC值反映了Antoni B 区较疏松的细胞密度［14］。峰度和偏度反映肿瘤空间均一性。峰度描述整体像素信号强度分布形态相对于正态分布的陡峭程度［15］。偏度描述整体像素信号强度分布形态的对称性［16］。三种序列中CPAM 峰度均高于VS，ADC 图中CPAM 偏度高于VS。Xu 等［12］的研究显示，ADC 图中峰度和偏度在两种肿瘤间的差异不具有统计学意义。分析原因是由于ROI选择方式不一样：本研究选取肿瘤最大径层面实性区域勾画分析，Xu 等对全肿瘤进行分析（全肿瘤勾画会使其内部辐射在一定程度上相互抵消）。肿瘤的勾画方式包含多种（如全肿瘤勾画、肿瘤最大径层面全域勾画、肿瘤最大径层面实性区域勾画等），不同勾画方式测得参数值之间存在差异，但是目前没有明确哪种勾画方式效能最佳。本研究之所以选取肿瘤最大径线层面进行勾画分析，是因为这样既可以在一定程度上反映肿瘤的整体信息，又可减少该方法应用于临床时，因全域勾画带来的繁重的工作量。在今后的研究中，需进一步分析不同ROI勾画方式对两者鉴别诊断的价值，以确定最优的勾画方式。

角二阶矩为全部矩阵像素的平方和，反映图像纹理的粗细度和灰度分布的均匀度。逆差矩表示图像纹理局部变化情况及规则程度，其值越大，组织同质性越高。对比度反映组织纹理的深浅程度。CE-T1WI和T2WI 图像中，CPAM 角二阶矩和逆差矩均高于VS，对比度低于VS。熵反映图像上纹理的非均匀程度或复杂程度，值越大表明病灶异质性越高［9］。三种序列图像中，CPAM 熵均低于VS。相关反应图像灰度值的相似程度，在T2WI及ADC序列中，CPAM 相关大于VS。以上参数分析结果均揭示CPAM 肿瘤均一性高于VS。

局限性：1）本研究为单中心研究，样本量少，未针对CPAM 病理分级及亚型进一步分析；2）绘制ROI时，虽然仅在肿瘤实体区域进行勾画，但是对于微小出血、液化、坏死、囊变区域，仅凭肉眼难以完全与肿瘤实体进行分辨。

总之，MRI多序列纹理分析技术有助于术前精准鉴别CPAM 和VS，对于提高影像诊断的准确性、确定患者的手术方式及预后评估具有重要的临床价值与意义。