医学影像纹理分析在软组织肿瘤中的研究进展

近年来凭借大数据及深度学习使得以纹理分析(Texture Analysis)为代表的影像组学迅猛发展。随着纹理分析方法及影像新技术的不断研发应用,近年来纹理分析被越来越多的应用于临床研究,为疾病、尤其是肿瘤的诊断、分级与疗效预测评估提供有价值的医学影像依据。本文总结了纹理分析的常用方法、流程,并对软组织肿瘤的研究现况进行调查,作一综述。     

18F-FDG PET/CT代谢的可重复性研究进展

18F-脱氧葡萄糖(18F-FDG)PET／CT在恶性肿瘤的早期诊断、临床分期、疗效评价、监测复发及肿瘤放疗靶区定位中具有重要价值。为了使PET/CT能够更准确地进行恶性肿瘤的疗效评价，18F-FDG PET／CT代谢的可重复性研究显得尤为重要。本文就传统临床代谢参数值标准化摄取值（SUV）、代谢活性肿瘤体积（MATV）、总病灶糖酵解（TLG）、肿瘤与肝脏比率（TLR）、肿瘤与血液比率(SUR)及近年新兴的PET图像纹理分析等方面的可重复性研究进行概述。     

MRI纹理分析对前列腺癌及Gleason分级的诊断价值

目的评估多参数MRI纹理分析法对前列腺癌的诊断价值及其鉴别低危与中高危前列腺癌的诊断效能。方法回顾性分析经穿刺活检或手术病理证实的61例前列腺癌病人,中位年龄66岁(42～89岁),前列腺特异性抗原(PSA)范围3.4～300 ng/mL,并进行Gleason(GS)评分。其中低危(GS≤6分)病人10例,中高危(GS≥7分)病人51例。所有病人均行前列腺常规MRI及扩散加权成像(DWI)检查,基于T2WI勾画三维兴趣区(ROI),使用纹理分析软件(Matlab)提取ROI的直方图纹理特征参数(熵、偏度、峰度和方差),并计算平均ADC值。采用单因素方差分析评估T2WI和ADC图上各直方图纹理参数及平均ADC值在低危前列腺癌、中高危前列腺癌及正常外周区之间的差异。采用受试者操作特征(ROC)曲线计算曲线下面积(AUC),评估各参数的诊断效能,并评价定量纹理参数对低危和中高危前列腺癌的鉴别诊断效能。结果 ADC图及T2WI上,3组之间各诊断参数差异均有统计学意义(P0.05)。中高危前列腺癌在ADC图上平均ADC值的AUC(0.88)最大,在T2WI图纹理分析中,方差值AUC(0.88)最大。低危和中高危前列腺癌鉴别诊断中,ADC图和T2WI的纹理参数中熵值AUC最大,分别为0.87和0.79。结论多参数MRI纹理分析可用于诊断前列腺癌,并能为鉴别诊断低危与中高危前列腺癌提供可靠的量化信息,其中熵值有助于前列腺癌病理分级。     

动态对比增强磁共振成像纹理多参数联合分析预测P53表达状态对直肠癌鉴别诊断的价值

目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced MRI,DCE-MRI)纹理分析在术前预测直肠癌患者P53表达状态的价值.材料与方法回顾性收集行DCE-MRI扫描且有P53免疫组化检测结果的原发直肠癌患者91例(P53高表达组50例、低表达组41例).由GenIQ后处理软件获取Ktrans、Kep、Ve后处理图像并导入ITK-SNAP软件,由两位观察者分别使用AK软件提取12个纹理特征参数,采用组内相关系数ICC对数据的一致性进行检验,采用独立样本t检验或Mann-Whitney U检验比较两组纹理参数,应用ROC曲线分析纹理参数的鉴别效能,应用Logistics回归分析联合纹理特征参数进行效能分析,通过Delong检验比较各单一参数模型及联合模型与各单一参数模型AUC间的差异.结果P53高表达组纹理参数Cluster ProminenceKtrans(23.00±50.84)×106、CorrelationKtrans(1.49±1.42)×10-2、InertiaKep(13.52±22.31)×104值均大于低表达组Cluster ProminenceKtrans(4.89±5.92)×106、CorrelationKtrans(0.16±0.17)×10-2、InertiaKep(50.52±61.27)×103,差异均具有统计学意义(P<0.05),AUC值分别为0.712、0.838、0.638.P53两组间有差异的纹理参数联合诊断效能更高,AUC为0.914,敏感度为80％,特异度为95％.经Delong检验,P53两组间有组间差异纹理参数联合模型的AUC大于单一参数模型,差异有统计学意义(P<0.05).结论纹理特征参数Cluster Prominence、Correlation、Inertia能有效预测直肠癌P53表达状态,纹理分析特征参数的联合分析可获得更高的鉴别诊断效能.     

基于MRI T2WI图像的游程矩阵纹理分析联合ADC值对前列腺癌分化程度的评估

目的探究MRI T2WI图像游程矩阵纹理分析技术联合ADC值在评估前列腺癌分化程度应用中的可行性,以期术前量化评估前列腺癌的分化程度。方法回顾性分析50例经手术病理证实的前列腺癌患者MRI影像资料,并依据Gleason评分将≤6分归为高分化组(25例);将>6分归为低分化组(25例)。对前列腺进行标准化分区,依据病理结果分别选取病变T2WI横断位图像最大层面,采用Mazda纹理分析软件勾画感兴趣区并进行游程矩阵纹理分析,并在DWI图像选取相应感兴趣区测定ADC值,对高、低分化两组前列腺癌进行数据统计分析。建立ROC曲线并计算联合预测因子进行诊断效能比较分析,对纹理参数及ADC值与分化程度之间的相关性进行检测。结果采用游程矩阵提取的5类参数中,水平方向(Horzl-GLNU)、垂直方向(Vertl-GLNU)、45度方向(45dgr-GLNU)、135度方向(135dgr-GLNU)上的灰度不均匀性(GLNU)在高、低分化两组间有显著差异(P值均<0.05)。ADC值在不同分化程度之间有显著差异(P<0.05)。Horzl-GLNU、Vertl-GLNU、45dgr-GLNU、135dgr-GLNU与分化程度呈负相关(r值分别为-0.450、-0.442、-0.470、-0.464,P值均<0.05)。ADC值与分化程度呈正相关(r值为0.423,P值<0.05)。纹理参数中,45dgr-GLNU的ROC曲线下面积(AUC)最大(0.771),敏感性和特异性分别为56.0%、92.0%。ADC值的AUC值为0.837,敏感性和特异性分别为64.0%、76.0%。联合预测因子AUC值为0.869,敏感性和特异性分别为72.0%、88.0%,诊断效能得到提升。结论基于MRI T2WI图像的游程矩阵纹理分析联合ADC值可提高对术前前列腺癌分化程度的评估效能。     

基于常规MRI纹理分析技术鉴别良恶性软组织肿瘤

【摘要】目的：探讨基于常规MRI的纹理分析技术在鉴别良恶性软组织肿瘤（STT）中的价值。方法：回顾性分析2015年1月－2019年9月在我院经手术病理证实的91例STT患者的病例资料。所有患者术前行MRI检查，包括横轴面T1WI及横轴面、冠状面和矢状面脂肪抑制质子密度加权像（FS-PDWI）。采用MaZda软件进行纹理分析，在各序列图像中选取病灶最大层面及相邻的2个层面，测量肿块大小，沿病灶边界勾画ROI，提取病灶的纹理特征，包括直方图参数（均值、变异度、偏度、峰度及第1、10、50、90、99百分位数）和灰度共生矩阵（GLCM）参数（能量、对比度、相关、平方和、逆差矩、均和、和方差、和熵、熵、差方差和差熵）。采用t检验、LSD（方差齐）或Mann-Whitney U检验（方差不齐）对良恶性组的患者年龄、病灶大小及纹理参数进行比较，对差异有统计学意义的指标进一步行ROC曲线分析评估其诊断效能。采用多因素Logistic回归分析获得判断良恶性STT的独立预测因素并建模，绘制 ROC曲线评估模型的鉴别诊断效能。结果：91例中良性43例、恶性48例。良恶性STT的大小及在T1WI和FS-PDWI图像上的对比度、相关、逆差矩、差方差和差熵的组间差异均有统计学意义（P<0.05）；其它GLCM参数及直方图参数在两组间的差异无统计学意义（P>0.05）。FS-PDWI图像上，除差熵的诊断效能低于T1WI（AUC：0.710 vs. 0.714），其它参数（对比度、相关、逆差矩、差方差）的诊断效能均优于T1WI（AUC分别为0.853 vs. 0.761，0.849 vs. 0.742，0.750 vs. 0.714和0.807 vs. 0.723）。以病理结果良、恶性为因变量，采用逐步回归法来筛选自变量，选入回归模型的变量为T1WI上的差熵及FS-PDWI上的差方差和差熵（P值分别为0.033、0.030和0.031），提示上述参数是判断STT良恶性的独立预测因素，相应模型的AUC为0.811，敏感度为82.4%，特异度为71.4%。结论：基于常规MRI的纹理分析技术有助于良恶性软组织肿瘤的鉴别。     

MSCT纹理影像对原发性直肠癌患者淋巴结转移的预测效果

目的探讨多层螺旋电子计算机断层扫描(MSCT)纹理分析对原发性直肠癌患者淋巴结转移的预测效果。方法回顾性分析2015年5月至2019年5月间收治的60例原发性直肠癌患者临床资料,所有病例均经手术病理确诊。患者术前均进行MSCT检查,评估MSCT诊断淋巴结转移的效能,比较有无淋巴结转移者的纹理分析参数分析,绘制ROC曲线评估纹理分析参数的诊断效能。结果MSCT诊断N0、N1、N2分期准确率分别为83.33%、70.00%、83.33%,总准确率为68.33%(41/60);直肠癌无淋巴结转移者短径、峰度、熵均低于直肠癌有淋巴结转移者(P<0.05),有无淋巴结转移者方差、峰度和逆差矩对比差异无统计学意义(P>0.05);短径、峰度和熵值诊断淋巴结转移ROC曲线下面积分别为0.969、0.674和0.863(P<0.05)。结论MSCT纹理影像诊断淋巴结转移效能较高,其中短径、峰度、熵是有较多参考意义的参数。     

利用机器学习鉴别胶质母细胞瘤标准化治疗后真假性进展的研究

目的:探讨基于T1加权增强成像(T1CE)的机器学习模型在鉴别胶质母细胞瘤(GBM)患者标准化治疗后真假性进展的诊断效能。方法:回顾性分析了我院2014年5月至2017年2月间经手术病理证实的77例胶质母细胞瘤患者,所有患者均行标准化治疗。利用ITK-SNAP软件划取全部强化部分为感兴趣区(VOI),应用A. K.软件提取9675个特征。此外,采集的临床信息包括:性别、年龄、KPS评分、切除范围、神经功能缺损和平均放疗剂量。利用随机森林分类器(RF)建立分类模型,以鉴别GBM标准化治疗后的真假性进展。通过计算受试者工作特征(ROC)的曲线下面积(AUC)、敏感度、特异度和准确性评估模型的诊断效能。结果:真性进展51例,假性进展26例。真假性进展患者的临床基线特征均无显著统计学差异。基于影像组学特征的机器学习模型诊断效能相对较高,AUC值、准确性、敏感度和特异度分别为0. 79(95%CI:0. 63-0. 98)、72. 78%、78.36%和61. 33%。结论:基于T1CE增强图像特征建立的机器学习模型对GBM标准化治疗后真假性进展的鉴别效能相对较高,有助于临床医生尽早制定适当的治疗方案。     

Bp-MRI灰度直方图在鉴别移行带前列腺癌与良性前列腺增生中的应用价值

目的:探讨双参数磁共振成像（Bp-MRI）灰度直方图在鉴别移行带前列腺癌（PCa）与良性前列腺增生（BPH）中的价值。方法:回顾性分析经病理证实的移行带PCa患者43例与BPH患者52例。T2WI和ADC图像上,利用MaZda软件手动勾画感兴趣区（ROI）,进行灰度直方图分析,提取均值、方差、偏度、峰度、百分位数9个直方图纹理特征,对纹理特征进行统计学分析,获得有意义的纹理特征参数,并绘制受试者工作特征（ROC）曲线,以评价其鉴别移行带PCa与BPH的价值。结果:BPH组ADC均值、偏度、各百分位数均高于PCa组,差异均有统计学意义（t=-12.155～5.022,均P<0.05）,方差、峰度差异无统计学意义（均P>0.05）。BPH组T2WI均值、方差、第10百分位数、第50百分位数、第90百分位数、第99百分位数均高于PCa组,差异均有统计学意义（t=-6.618～-2.181,均P<0.05）,偏度、峰度、第1百分位数差异均无统计学意义（均P>0.05）。ADC均值、偏度、第1百分位数、第10百分位数、第50百分位数、第90百分位数、第99百分位数曲线下面积（AUC）差异均有统计学意义（均P<0.05）;T2WI均值、方差、第10百分位数、第50百分位数、第90百分位数、第99百分位数AUC差异均有统计学意义（均P<0.05）。其中,ADC均值的AUC最大,为0.963,以149.29为阈值时,敏感度为90.7%,特异度为92.3%。结论:Bp-MRI灰度直方图分析可以作为鉴别PCa与BPH的重要辅助手段。     

MRI纹理分析技术在孤立性纤维瘤(SFT)和血管瘤型脑膜瘤(AM)鉴别中的应用价值研究

目的探究应用2D MRI直方图纹理分析对孤立性纤维瘤(SFT)/血管外皮细胞瘤(HPC)与血管瘤型脑膜瘤(AM)进行鉴别诊断的临床价值。方法回顾性分析2013年6月至2021年5月经病理证实的17例SFT/HPC与29例AM患者的T₁WI增强图像,勾画病灶本身及内部出血、囊变和坏死区域,并进行直方图纹理参数分析,提取病灶的平均值、中位数、标准差、异质性、峰度、偏度以及熵等纹理参数,比较SFT/HPC与AM的直方图纹理参数并筛选出具有鉴别诊断价值的参数。结果SFT/HPC和AM的平均值、中位数及标准差三个参数差异具有明显统计学意义(P<0.001),其中标准差的鉴别诊断价值意义最大,其ROC曲线的AUC值为0.816,灵敏度及特异度分别为0.581和1。对平均值、中位数及峰度进行多参数联合分析,平均值结合标准差的鉴别诊断效能高于单个直方图纹理分析参数鉴别效能。结论使用增强扫描的T₁WI序列提取的磁共振直方图纹理参数,对鉴别SFT/HPC与AM有一定的临床意义。