基于CT密度聯(lián)合紋理參數(shù)建模預測垂體大腺瘤質地

萬 強，陳基明，邢 濤，邵 穎

(皖南醫(yī)學院弋磯山醫(yī)院醫(yī)科影像中心，安徽 蕪湖 241001)

垂體腺瘤是臨床常見顱內(nèi)腫瘤，常致患者頭痛、視力減退，部分可引起內(nèi)分泌功能障礙[1]。外科手術切除是治療垂體大腺瘤的主要方式，常用術式包括經(jīng)蝶入路和開顱兩種，分別用于治療不同質地的腫瘤[2-4]。常規(guī)CT和MRI對判斷腫瘤質地的價值有限[5]。紋理分析通過對圖像的空間分布特點和像素強度進行數(shù)學分析，提供病變圖像中肉眼無法觀察到的客觀信息，有助于揭示病灶的異質性，目前已用于多種腫瘤的鑒別診斷[6]。本研究探討基于CT平掃圖像密度和紋理參數(shù)評估垂體大腺瘤腫瘤質地的價值。

1 資料與方法

1.1 一般資料 回顧性分析2012年7月—2018年7月我院50例垂體腺瘤患者資料，男31例，女19例，年齡24～78歲，平均(55.6±12.4)歲。納入標準：①術前接受CT平掃檢查，臨床和影像學資料完整；②手術切除并經(jīng)病理證實為垂體腺瘤；③垂體腺瘤直徑≥10 mm。排除標準：①圖像質量不佳，不符合紋理分析要求；②腫瘤內(nèi)伴有巨大囊變、壞死。根據(jù)術中所見腫瘤質地，將腫瘤分為質軟組(n=30，術中切開腦膜后腫瘤自行涌出，易于用吸引器或刮匙刮除)和質硬組(n=20，術中不能用吸引器或刮匙刮除，需反復電凝或用銳器切割方能小塊切除)。質軟組男17例，女13例，年齡24～78歲，平均(55.9±12.9)歲；對其中27例采用經(jīng)蝶入路，3例開顱手術；22例腺瘤有內(nèi)分泌功能，8例為無功能腺瘤。質硬組男14例，女6例，年齡36～75歲，平均(55.4±12.1)歲；其中19例經(jīng)蝶入路，1例開顱手術；13例腺瘤有內(nèi)分泌功能，7例為無功能腺瘤。

1.2 儀器與方法 采用Siemens Somatom Emotion 16層及Toshiba Aquilion 16層CT掃描儀?；紘谡哐雠P，行冠狀位掃描。掃描參數(shù)：Somatom Emotion 16層CT，管電壓130 kV，管電流92 mA，矩陣512×512；Aquilion 16層CT，管電壓120 kV，管電流150 mA，矩陣512×512；FOV均為240 mm×240 mm，層厚和層間距均為2 mm。

1.3 圖像處理 由2名放射科醫(yī)師(分別具有5年和15年工作經(jīng)驗)分別獨立分析圖像。選取病灶最大層面圖像，沿腫瘤邊緣手動勾畫整個病灶為ROI(圖1)，測量其CT值。將全部CT平掃冠狀位圖像以DICOM格式導入GE Omni-Kinetics 2.06軟件，選取病灶最大層面圖像勾畫ROI，方法同前，軟件自動提取圖像紋理特征，最終獲得5類77個紋理特征(表1)。

表1 基于冠狀位CT平掃圖像提取的主要紋理特征

圖1 垂體大腺瘤病灶勾畫ROI示意圖 在腫瘤的最大層面，沿病灶輪廓勾畫ROI

1.4 統(tǒng)計學分析 采用SPSS 20.0統(tǒng)計分析軟件。以Kolmogorov-Smirnov檢驗計量資料是否符合正態(tài)分布。以組間相關系數(shù)(intraclass correlation coefficients， ICC)評估2名醫(yī)師測量CT值和提取紋理特征的一致性。對符合正態(tài)分布的計量資料以±s表示，2組間比較采用兩獨立樣本t檢驗；不符合正態(tài)分布者以中位數(shù)(上下四分位數(shù))表示，2組間比較采用Mann-WhitneyU檢驗；篩選得到2組間差異有統(tǒng)計學意義的參數(shù)。采用多因素Logistic回歸對篩選出的有統(tǒng)計學意義的參數(shù)進一步分析并建模，繪制ROC曲線以評估各參數(shù)及Logistic回歸模型對垂體腺瘤質地的預測能力。采用Hosmer-Lemeshow檢驗對模型的擬合度進行檢驗。P<0.05為差異有統(tǒng)計學意義。

2 結果

2.1 單因素分析結果 2名醫(yī)師測量的CT值和提取的圖像紋理特征一致性較好，ICC值分別為0.872和0.876。質硬組CT值高于質軟組，差異有統(tǒng)計學意義(P=0.031，表2)。對基于CT平掃圖像提取的77個參數(shù)特征進行組間比較，結果顯示質軟組與質硬組間4個紋理特征差異有統(tǒng)計學意義(P均<0.05，表2)，分別為第90百分位數(shù)、慣量、方差和對比度。

2.2 多因素Logistic回歸分析結果及預測模型 對2組間差異有統(tǒng)計學意義的變量行多因素Logistic回歸分析，建立紋理特征預測垂體大腺瘤質地的模型如下：Y=0.102×慣量+0.038×第90百分位數(shù)。CT值結合紋理特征獲得模型：Y=0.190×CT值+0.081×慣量-0.030×第90百分位數(shù)+387.866×方差。CT值結合紋理特征建立模型經(jīng)Hosmer-Lemeshow檢驗，模型的P值為0.736，即模型預測值與觀測值之間差異無統(tǒng)計學意義。

2.3 各參數(shù)及多因素Logistic回歸模型預測垂體大腺瘤質地的效能 ROC曲線結果見表3及圖2、3，其中CT值結合紋理特征模型預測垂體大腺瘤質地的AUC最大，為0.782，其特異度較高為96.7%，而敏感度僅為50.0%。紋理特征模型的AUC為0.690，其特異度和敏感度分別為83.3%、60.0%。

3 討論

既往研究[7]發(fā)現(xiàn)，垂體大腺瘤內(nèi)部的膠原含量是影響腺瘤質地的最主要因素，質硬腫瘤中含有大量Ⅰ型和Ⅲ型膠原蛋白，而質軟腫瘤含有少量Ⅰ型膠原蛋白；進一步研究[8]表明轉化生長因子β1及其調控下的金屬蛋白酶組織抑制因子Ⅰ能夠促進膠原蛋白沉積，在促進垂體腺瘤纖維化過程中發(fā)揮重要作用，而腫瘤纖維化程度越高，質地越硬。大部分垂體腺瘤質地較軟，經(jīng)蝶入路即可完整吸出腫瘤，而部分質硬腫瘤經(jīng)蝶切除困難，必須經(jīng)過開顱手術采用電凝反復灼燒或銳器切割方能小塊切除，術前判斷腫瘤質地對于選擇手術方式十分重要。目前國內(nèi)外對垂體大腺瘤質地的研究多局限于MRI，有學者[9-11]指出T2WI低信號提示垂體大腺瘤的纖維含量高，質地硬；質子運動可以反映腫瘤組織內(nèi)部的微結構特征，近年來DWI和ADC值也逐漸用于預測垂體大腺瘤的質地[12-13]。但是，MRI對垂體大腺瘤質地的預測效果仍然存在爭議。CT密度分辨率較高，且對腫瘤組織內(nèi)部囊變、壞死、鈣化等特征顯示較好，能直接反映腫瘤組織內(nèi)部體素的密度。異質性是良惡性腫瘤鑒別的重要特征之一。CT紋理特征分析不僅可反映腫瘤的異質性，而且與腫瘤組織內(nèi)部許多生理生化反應及病理變化均具有一定相關性[14-16]。目前CT紋理特征分析已用于多種腫瘤的鑒別診斷及分級、分期[17-19]，但其對垂體大腺瘤質地方面的研究卻鮮見報道。

表2 質軟組與質硬組垂體腺瘤CT值和紋理特征比較(±s)

表2 質軟組與質硬組垂體腺瘤CT值和紋理特征比較(±s)

組別CT值(HU)第90百分位數(shù)慣量方差對比度質軟組(n=30)38.33±5.3851.71±7.53815.39(371.69,1018.60)0.018±0.0090.012(0.006,0.016)質硬組(n=20)41.80±5.3856.71±9.961103.69(575.89,1591.29)0.027±0.0150.017(0.009,0.024)t/Z值-2.233-2.020-2.392-2.477-2.391P值0.0310.0490.0230.0150.023

表3 CT值和紋理參數(shù)預測不同質地垂體腺瘤的ROC曲線分析結果

圖2 CT值和紋理特征單獨鑒別腺瘤質地的ROC曲線 圖3 紋理特征模型和CT值結合紋理特征模型鑒別腺瘤質地的ROC曲線

本研究結果顯示質硬和質軟垂體大腺瘤之間CT值有顯著差異，可能反映垂體大腺瘤間結構的差異；但CT值鑒別腫瘤質地的效能不佳(AUC為0.662，P=0.055)。本研究最終篩選出4個紋理特征鑒別腫瘤質地有統(tǒng)計學意義，包含一階灰度統(tǒng)計特征的第90百分位數(shù)和方差、灰度共生矩陣類的慣量和對比度。一階灰度統(tǒng)計特征是圖像灰度級的函數(shù)，以定量方式描述、比較腫瘤生物指標的分布，反映病變特征數(shù)據(jù)集的離散程度，其數(shù)值越大表示腫瘤異質性越強。本研究中，質硬組第90百分位數(shù)和方差均高于質軟組，提示質硬組垂體大腺瘤異質性更高，考慮與質硬組垂體大腺瘤內(nèi)部膠原蛋白含量較多而腫瘤細胞及新生血管較少有關?；叶裙采仃嚪从硤D像上一定距離的2個像素灰度值之間存在的空間關系，可以描述局部紋理特征，反映灰度分布的混亂程度。本研究獲取的參數(shù)為對比度和慣量；對比度反映圖像清晰度和紋理溝紋深淺程度，對比度越大其紋理溝紋越深，效果越清晰；慣量反映圖像紋理的粗細程度，紋理粗時，元素較集中于矩陣的對角線附近，慣量較?。患y理細時慣量較大[20]。本研究質硬組慣量和對比度均高于質軟組，表明質地較硬腫瘤內(nèi)部空間結構更加復雜、不均質性更明顯，可能是腫瘤組織內(nèi)部不同程度纖維化、囊變、壞死等所致。

本研究對篩選出的有統(tǒng)計學意義的變量行多因素Logistic回歸分析并建立預測模型，紋理特征模型預測垂體大腺瘤質地的AUC為0.690(P=0.024)，高于CT值及單個紋理特征的AUC。CT值結合紋理特征建立模型，其預測垂體大腺瘤質地的AUC最高，為0.782，具有較高價值；且經(jīng)Hosmer-Lemeshow檢驗，模型的P值為0.736，表明模型擬合效果較好。

本研究的不足：①樣本量相對較小，質硬腫瘤更少；②僅選擇腫瘤最大層面勾畫ROI，不能反映腫瘤整體的三維屬性；③術中判斷腫瘤質地具有一定主觀性，且缺乏術后病理膠原成分對照分析。

總之，基于CT平掃圖像密度及部分紋理參數(shù)對于預測垂體大腺瘤質地具有一定價值，CT值結合紋理特征模型能提高預測效能，有助于選擇手術方式。