紋理分析在小腦半球原發(fā)性中樞神經(jīng)系統(tǒng)淋巴瘤和單發(fā)轉(zhuǎn)移瘤鑒別診斷中的應(yīng)用價值

徐艷中，汪秀玲

原發(fā)性中樞神經(jīng)系統(tǒng)淋巴瘤（primary central nervous system lymphoma，PCNSL）是一種比較少見的顱內(nèi)惡性腫瘤，約占中樞神經(jīng)系統(tǒng)惡性腫瘤的2%～6%[1]。隨著先天及后天性免疫缺陷患者的增多，PCNSL的發(fā)病率有逐年遞增趨勢[2,3]。PCNSL發(fā)病年齡約50～70歲，多位于幕上，少見于小腦半球者，約62%患者為單發(fā)[4]。小腦PCNSL和單發(fā)轉(zhuǎn)移瘤影像學(xué)表現(xiàn)相似，在缺乏原發(fā)腫瘤病史的情況下，鑒別兩者更加困難。紋理分析應(yīng)用特定的圖像后處理技術(shù)，可定量分析影像圖像的體素強度、體素空間排列方式等多種肉眼無法辨別的圖像信息，間接反映病灶的組織病理特點[5]。紋理分析最常用于CT和MRI平掃或增強檢查的圖像分析，可用于輔助腫瘤診斷、鑒別診斷、分級分期、治療效果評估及判斷預(yù)后[5,6]。本研究首次將紋理分析應(yīng)用于小腦半球PCNSL和單發(fā)轉(zhuǎn)移瘤的鑒別診斷，旨在探討增強T1WI紋理分析在兩者鑒別診斷中的價值。

1 資料與方法

1.1 一般資料

回顧性收集本院2010年1月至2017年10月收治的42例影像學(xué)資料完整、經(jīng)病理證實的小腦半球PCNSL或單發(fā)腦轉(zhuǎn)移瘤的患者資料。其中PCNSL 20例，男7例，女13例；年齡42～73歲；既往人類免疫缺陷病毒（－）、未使用免疫抑制劑、無中樞神經(jīng)系統(tǒng)以外的全身各系統(tǒng)淋巴瘤的病史。根據(jù)2016年WHO中樞神經(jīng)系統(tǒng)腫瘤最新分類標準[7]，均為彌漫大B細胞淋巴瘤。單發(fā)且以實性為主（實性部分體積≥整個瘤體的2/3）的轉(zhuǎn)移瘤22例，男12例，女10例；年齡38～78歲；其中肺癌轉(zhuǎn)移12例，消化道腫瘤4例，乳腺癌3例，卵巢癌1例，腎癌1例，甲狀腺癌1例。所有患者檢查前均未接受任何放化療或相關(guān)手術(shù)治療。

1.2 方法

1.2.1 檢測設(shè)備及參數(shù) 采用GE Signal 3.0T或Discovery 750W 3.0T磁共振，使用16通道頭部線圈。MRI對比劑：釓噴替酸葡甲胺（GD-DPTA），用量為0.2 mmol/kg，速率為3.0 mL/s。增強掃描，T1WI軸位、矢位和冠位（TR=2500 ms，TE=24 ms），層數(shù)18，層厚6.0 mm，層間距1.0 mm，視野FOV 240×240，NEX 2.0，矩陣 256×256。

1.2.2 紋理分析 紋理分析測量時遵循盲法原則并在有豐富經(jīng)驗的頭頸部影像醫(yī)師監(jiān)督下進行。在T1增強軸位圖像上，對連續(xù)層面的腫瘤邊界及內(nèi)部進行手動勾畫3D立體感興趣區(qū)（region of interest，ROI），包括腫瘤內(nèi)部出血、壞死、囊變、鈣化等所有影像學(xué)信息，利用紋理分析軟件FireVoxel自動分析得到平均值、標準差、熵值、偏度、峰度及異質(zhì)性等參數(shù)。

1.3 統(tǒng)計學(xué)處理

采用SPSS 22.0軟件處理數(shù)據(jù)。符合正態(tài)分布以及方差齊性的計量資料以（x±s）表示，組間比較采用獨立樣本均數(shù)t檢驗；反之，采用非參數(shù)檢驗。以分組為因變量，應(yīng)用Logistic回歸分析對紋理分析定量參數(shù)進行多參數(shù)聯(lián)合分析，并以計算模型的預(yù)測值繪制受試者工作特征曲線（receiver operator characteristic curve，ROC），獲得曲線下面積（area under the curve，AUC），以約登指數(shù)[(敏感性+特異性)－1]最大時的參數(shù)值為閾值，確定紋理分析各定量參數(shù)鑒別2組腫瘤的效能（敏感性、特異性、準確性）；P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

在紋理分析中，2組的標準差、熵值、偏度、峰度和異質(zhì)性5個參數(shù)差異有統(tǒng)計學(xué)意義，PCNSL組標準差、熵值、偏度及異質(zhì)性明顯低于轉(zhuǎn)移瘤組，而峰度明顯高于轉(zhuǎn)移瘤組（均P＜0.05）；2組均數(shù)、中位數(shù)差異無統(tǒng)計學(xué)意義（P＞0.05），見表1。根據(jù)ROC曲線，確定紋理分析各定量參數(shù)鑒別小腦半球PCNSL與單發(fā)轉(zhuǎn)移瘤的效能，異質(zhì)性參數(shù)鑒別診斷效能明顯優(yōu)于其它參數(shù)值，有較高的敏感性、特異性及準確性，表2、3。利用Logistic回歸分析對紋理定量參數(shù)進行多參數(shù)聯(lián)合分析，其鑒別效能較利用單個紋理分析定量參數(shù)鑒別的效能有所提高，見表4。

表1 2組腫瘤紋理分析定量參數(shù)的比較

表2 標準差、熵值、偏度、峰度和異質(zhì)性參數(shù)的ROC曲線AUC

表3紋理分析定量參數(shù)鑒別2組腫瘤的效能

表4紋理分析多參數(shù)聯(lián)合分析鑒別2組腫瘤的效能

3 討論

PCNLS是顱內(nèi)少見的惡性腫瘤，當其發(fā)生部位不典型時，如小腦半球，影像學(xué)上很難與轉(zhuǎn)移瘤相鑒別。紋理分析不受影像醫(yī)師主觀判斷因素及臨床經(jīng)驗的影響，可以客觀提供MRI圖像的各種信息，尤其對常規(guī)MRI檢查不易鑒別診斷的病變，紋理分析優(yōu)勢更大[8,9]。本研究結(jié)果顯示，PCNSL組紋理分析參數(shù)標準差、熵值、偏度及異質(zhì)性明顯低于轉(zhuǎn)移瘤組，而峰度明顯高于轉(zhuǎn)移瘤組（均P＜0.05），且異質(zhì)性參數(shù)鑒別診斷效能明顯優(yōu)于其它參數(shù)值，有較高的敏感性、特異性及準確性。

標準差、峰度和偏度反應(yīng)腫瘤內(nèi)部像素值分布形態(tài)的陡緩程度和對稱性[10]，由于PCNSL以簇狀生長的巨大淋巴樣瘤細胞為主，瘤細胞致密，血腦屏障破壞明顯，強化多均勻、顯著，其內(nèi)部無明顯增生的血管內(nèi)皮細胞及新生血管，較少出現(xiàn)出血、壞死與囊變，而轉(zhuǎn)移瘤原發(fā)腫瘤病理類型多樣，成分混雜，生長較快，內(nèi)部存在顯著血管化，較易出現(xiàn)壞死、囊變及出血，所以兩者直方圖分布的陡緩程度和對稱性不同。與轉(zhuǎn)移瘤相比，PCNSL組圖像像素值總體分布趨勢相對集中，離散程度相對較小，直方圖形態(tài)相對陡峭，峰值相對較高，見圖1；而轉(zhuǎn)移瘤組圖像像素值總體分布趨勢相對較分散，離散程度相對較大，直方圖形態(tài)相對平緩，峰值相對較低，見圖2。熵值、異質(zhì)性與圖像紋理的復(fù)雜度和不均質(zhì)度有關(guān)，腫瘤內(nèi)部結(jié)構(gòu)越復(fù)雜、越不均勻，熵值、異質(zhì)性就越大；反之，熵值、異質(zhì)性就越小[11]。與轉(zhuǎn)移瘤相比，PCNSL組圖像紋理更規(guī)則、更均勻。小腦PCNSL與轉(zhuǎn)移瘤在常規(guī)MRI上可表現(xiàn)為相似的影像學(xué)特點，但轉(zhuǎn)移瘤相對復(fù)雜的組織病理學(xué)特點使其具有肉眼不能識別的圖像紋理差異，如圖1和圖2腫瘤的MRI表現(xiàn)相似，但圖1（E）PCNSL的標準差（160）、熵值（4.88）、偏度（－0.968）、異質(zhì)性參數(shù)（0.148）要明顯小于圖2（E）轉(zhuǎn)移瘤的標準差（207）、熵值（5.07）、偏度（－0.283）、異質(zhì)性參數(shù)（0.221）。對標準差、熵值、偏度、峰度及異質(zhì)性5個紋理分析定量參數(shù)進行多參數(shù)聯(lián)合分析，其鑒別效能較利用單個紋理分析定量參數(shù)鑒別的效能有所提高。本研究結(jié)果表明，增強T1WI紋理分析的部分定量參數(shù)有助于鑒別小腦半球PCNLS和單發(fā)轉(zhuǎn)移瘤。

圖1 1例PCNSL患者影像學(xué)及病理檢查結(jié)果

圖2 1例單發(fā)腦轉(zhuǎn)移瘤患者影像學(xué)及病理檢查結(jié)果

目前，國內(nèi)外有許多關(guān)于紋理分析在輔助顱內(nèi)腫瘤診斷、鑒別診斷方面的研究。Skogen等[12]研究表明高級別膠質(zhì)瘤異質(zhì)性參數(shù)明顯高于低級別膠質(zhì)瘤，通過量化腫瘤異質(zhì)性，可以為膠質(zhì)瘤分級提供生物學(xué)指標。孫振國等[13]研究結(jié)果表明增強T1WI紋理分析的熵值與異質(zhì)性參數(shù)可以提高對PCNSL與高級別膠質(zhì)瘤的鑒別能力。張勝等[14]研究發(fā)現(xiàn)增強T1WI紋理分析參數(shù)峰度可用于鑒別膠質(zhì)母細胞瘤和單發(fā)腦轉(zhuǎn)移瘤。但是在諸上述研究中，均選擇腫瘤強化部分所在的最大層面為ROI，所得到的二維圖像紋理分析不能全面反應(yīng)腫瘤內(nèi)部信息。本研究是選取整個瘤體的三維立體結(jié)構(gòu)為ROI，與上述研究相比有所優(yōu)化。但由于本研究中病例數(shù)較少，尤其是腦轉(zhuǎn)移患者，以原發(fā)性肺癌較多，可能引起偏倚，因此，需要大樣本進一步來證實。

綜上所述，紋理分析可用于鑒別小腦半球PCNLS和單發(fā)轉(zhuǎn)移瘤，并能為兩者的鑒別診斷提供可靠、量化的客觀依據(jù)。