紋理分析在MRI動態(tài)增強掃描鑒別腎細(xì)胞癌亞型中的應(yīng)用研究

周智，陳杰，潘靚，周菲菲，邢偉*

腎細(xì)胞癌(renal cell carcinoma，RCC)是最常見的腎臟惡性腫瘤，占腎臟腫瘤的90%～95%[1]。透明細(xì)胞腎細(xì)胞癌(clear cell renal cell carcinoma，ccRCC)、乳頭狀腎細(xì)胞癌(papillary renal cell carcinoma，pRCC)和嫌色腎細(xì)胞癌(chromophobe renal cell carcinoma，ChRCC)是最常見的三種RCC亞型，分別占RCC的70%～85%、7%～15%、5%～10%[2-3]。RCC亞型的術(shù)前準(zhǔn)確診斷對臨床治療方案的制訂具有重要價值。MRI是RCC術(shù)前無創(chuàng)性診斷的重要手段，然而目前的研究表明MRI鑒別這三種RCC亞型的診斷準(zhǔn)確率仍有待進一步提高[4]。紋理分析是通過分析從醫(yī)學(xué)圖像中提取的像素或體素灰度分布信息來表征組織特性的定量方法，可提供大量肉眼無法識別的特征信息[5]。大部分MRI紋理分析多提取單層圖像的二維層內(nèi)紋理特征，最近的一些研究表明三維紋理分析能提供更多空間信息以提高鑒別組織特性的性能[6-7]。本研究旨在探討動態(tài)增強(dynamic contrast-enhanced，DCE) MRI三維紋理分析鑒別ccRCC、pRCC和ChRCC的價值。

1 材料與方法

1.1 一般資料

回顧性分析蘇州大學(xué)附屬第三醫(yī)院2011年8月至2018年10月符合以下標(biāo)準(zhǔn)的患者資料。納入標(biāo)準(zhǔn)：(1)經(jīng)手術(shù)或穿刺活檢等病理證實為ccRCC、pRCC或ChRCC；(2)術(shù)前或穿刺前1周接受腎臟DCE-MRI檢查，包括軸位皮髓質(zhì)期、腎實質(zhì)期、延遲期增強T1WI。排除標(biāo)準(zhǔn)：MRI圖像質(zhì)量不佳，影響進一步圖像分析。113例患者納入研究，包括74例ccRCC、22例pRCC和17例ChRCC。其中，男80例，女33例；年齡30～79歲，中位年齡55歲。

1.2 MRI檢查

采用德國Siemens Verio 3.0 T超導(dǎo)型MR掃描儀及12通道相控陣列體部線圈。采集序列及掃描參數(shù)為：(1)冠狀位T2WI：TR 1 800 ms，TE 91 ms，F(xiàn)OV 380 mm×380 mm，矩陣179×256，層厚6.5 mm，層間距1.95 mm；(2)軸位多期增強T1WI：采用脂肪抑制三維容積內(nèi)插體部檢查序列，TR 3.92 ms，TE 1.39 ms，F(xiàn)OV 285 mm×380 mm，矩陣168×320，層厚3 mm，層間距0 mm；以2 ml/s速率經(jīng)肘前靜脈快速團注Gd-DTPA對比劑(劑量為0.1 mmol/kg體重)，然后以相同速率注射15 ml生理鹽水，分別于對比劑注射后30～40 s、70～80 s、3 min采集皮髓質(zhì)期、腎實質(zhì)期及延遲期增強T1WI。

1.3 圖像紋理分析

采用MaZda軟件(version 4.6，http://www.eletel.p.lodz.pl/ mazda/)進行MRI紋理分析。

(1)三維感興趣體積(volume of interest，VOI)的設(shè)置：將所有患者皮髓質(zhì)期、腎實質(zhì)期及延遲期增強T1WI這三個圖像集以DICOM格式分別導(dǎo)入MaZda軟件三維編輯器。由1名具有10年泌尿系統(tǒng)影像診斷經(jīng)驗的高年資放射科醫(yī)師沿腫瘤邊緣逐層手動勾畫感興趣區(qū)(region of interest，ROI)，以生成腫瘤的三維VOI。為了減少部分容積效應(yīng)的影響，不在腫瘤最上層及最下層圖像上勾畫ROI。(2)三維紋理特征提取及篩選：為減少圖像亮度和對比度的影響，在紋理特征提取前對所有VOI進行灰階標(biāo)準(zhǔn)化，使圖像灰度在[μ-3σ, μ+3σ](μ和σ分別是平均灰度值和標(biāo)準(zhǔn)差)的范圍。從每個VOI提取出基于直方圖、共生矩陣(co-occurrence matrix，COM)、游程長度矩陣(run length matrix，RLM)及梯度這四類紋理參數(shù)的314個三維紋理特征(表1)，其中COM和RLM包含Z方向上的圖像層間紋理特征。針對每個圖像集中ccRCC、pRCC和ChRCC的兩兩鑒別，采用交互信息、Fisher系數(shù)以及分類錯誤概率結(jié)合平均相關(guān)系數(shù)相聯(lián)合的特征選擇算法分別篩選出30個具有最高鑒別能力的紋理特征。(3)紋理數(shù)據(jù)分類分析：使用MaZda軟件B11程序包(version 3.4)的原始數(shù)據(jù)分析(raw data analysis，RDA)、主成分分析(principle component analysis，PCA)、線性判別分析(linear discriminant analysis，LDA)和非線性判別分析(nonlinear discriminant analysis，NDA)四種分析方法進行紋理數(shù)據(jù)分類分析，得到相應(yīng)的錯判率及相應(yīng)的錯判病例，并計算相應(yīng)的真陽性、假陽性、真陰性、假陰性病例數(shù)。由于用于鑒別pRCC和ChRCC的紋理特征集不符合LDA方法要求，僅采用RDA、PCA和NDA方法分析。

1.4 統(tǒng)計學(xué)分析

根據(jù)真陽性、假陽性、真陰性、假陰性病例數(shù)，分別計算RDA、PCA、LDA、NDA四種分析方法對皮髓質(zhì)期、腎實質(zhì)期及延遲期增強T1WI中ccRCC、pRCC和ChRCC兩兩鑒別的診斷準(zhǔn)確率、敏感度、特異度，并采用SPSS 22.0軟件計算受試者工作特征(receiver operating characteristic，ROC)曲線下面積(area under the curve，AUC)。P＜0.05表示差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 三維紋理特征的選擇

在三個圖像集中，基于ccRCC、pRCC和ChRCC兩兩鑒別的紋理特征的選擇頻率如表2所示。經(jīng)過篩選的紋理特征大部分來源于COM?；贑OM和RLM的層間紋理特征的選擇頻率如表3所示，在腎實質(zhì)期增強T1WI中篩選出的用于鑒別pRCC和ChRCC的層間紋理特征最多。

2.2 DCE-MRI三維紋理分析的診斷效能

DCE-MRI三維紋理分析鑒別ccRCC、pRCC和ChRCC的診斷效能如圖1和表4所示。對于鑒別ccRCC和pRCC，NDA方法判別皮髓質(zhì)期增強T1WI的紋理特征獲得最高診斷效能，AUC為0.846，診斷準(zhǔn)確率、敏感度和特異度分別為88.54%、91.89%和77.27%；對于鑒別ccRCC和ChRCC，NDA方法判別延遲期增強T1WI的紋理特征獲得最高診斷效能，AUC為0.928，診斷準(zhǔn)確率、敏感度和特異度分別為95.60%、97.30%、88.24%；對于鑒別pRCC和ChRCC，NDA方法判別腎實質(zhì)期增強T1WI的紋理特征獲得最高診斷效能，AUC為0.805，診斷準(zhǔn)確率、敏感度和特異度分別為79.49%、72.73%、88.24%?？傮w上，NDA方法對于ccRCC、pRCC和ChRCC的兩兩鑒別具有最佳診斷效能，并且對三個圖像集的紋理特征判別均獲得較高的診斷效能(AUC 0.707～0.928)。對于ccRCC與pRCC、ccRCC與ChRCC的鑒別，LDA方法也表現(xiàn)出較好的診斷效能(AUC 0.728～0.901)。

表1 三維紋理分析提取的紋理特征Tab. 1 Texture features extracted by three-dimensional texture analysis

表2 ccRCC、pRCC和ChRCC兩兩鑒別的三維紋理特征的選擇頻率Tab. 2 The frequency of three-dimensional texture features selected for differentiating ccRCC, pRCC and ChRCC

表3 基于COM和RLM的層間紋理特征的選擇頻率Tab. 3 The frequency of the inter-slice texture features derived from COM and RLM

表4 DCE-MRI三維紋理分析鑒別ccRCC、pRCC和ChRCC的診斷效能Tab. 4 The diagnostic performance of DCE-MRI three-dimensional texture analysis in differentiating ccRCC, pRCC and ChRCC

圖1 DCE-MRI三維紋理分析鑒別ccRCC、pRCC和ChRCC的ROC曲線下面積熱圖?？v列為不同紋理分類方法，包括原始數(shù)據(jù)分析、主要成分分析、線性判別分析和非線性判別分析方法；橫行為不同序列圖像集，包括皮髓質(zhì)期、腎實質(zhì)期和延遲期增強T1WIFig. 1 DCE-MRI three-dimensional texture analysis to identify area under the ROC curve heat map of ccRCC, pRCC and ChRCC: column is a different texture classification method, including raw data analysis, principle component analysis, linear discriminant analysis, and nonlinear discriminant analysis methods, transverse rows are sets of different sequence images, including corticomedullary phase, nephrographic phase and delayed phase enhance T1WI.

3 討論

3.1 DCE-MRI紋理分析鑒別RCC亞型的價值

RCC亞型的術(shù)前鑒別診斷一直是泌尿系統(tǒng)影像診斷的關(guān)注點。Sevcenco等[8]研究RCC的DCE-MRI表現(xiàn)，結(jié)果顯示動脈期強化可作為pRCC與非乳頭狀RCC鑒別的影像標(biāo)志物，其診斷準(zhǔn)確率約為76.4%。Young等[9]發(fā)現(xiàn)增強MRI的皮髓質(zhì)期相對信號強度鑒別ccRCC與其他RCC的診斷準(zhǔn)確率達90%。然而，對于ccRCC、pRCC和ChRCC的兩兩鑒別，特別是鑒別pRCC與ChRCC，MRI強化方式的診斷性能并不樂觀[4，10]。雖然擴散加權(quán)成像、MRI灌注成像等功能性MRI成像技術(shù)已逐步應(yīng)用于RCC的研究，但是這些技術(shù)主要起輔助診斷作用，腎臟DCE-MRI掃描仍是目前最成熟規(guī)范、臨床應(yīng)用最廣泛的RCC檢查手段[11-12]。本研究應(yīng)用三維紋理分析挖掘DCE-MRI圖像中更多、更客觀的腫瘤特征信息，研究結(jié)果顯示DCE-MRI三維紋理分析可用于鑒別ccRCC、pRCC和ChRCC，鑒別ccRCC與pRCC的診斷準(zhǔn)確率可達88.54%，鑒別ccRCC與ChRCC的診斷準(zhǔn)確率可達95.60%，鑒別pRCC與ChRCC的診斷準(zhǔn)確率可達79.49%。

3.2 三維紋理分析的優(yōu)勢

三維紋理分析具有捕獲二維紋理分析完全忽略的層間紋理特征的優(yōu)勢[13-14]。本研究從每個三維VOI中提取出的314個三維紋理特征中包含了55個基于COM的層間紋理特征和5個基于RLM的層間紋理特征。在紋理特征篩選階段，每個圖像集中選擇的層間紋理特征最多為8個，這與Fetit等[6]的研究結(jié)果一致。他們認(rèn)為層間隔的存在可能是被選擇的層間紋理特征數(shù)量有限的原因，然而從整個VOI中提取的空間信息足以提高紋理分析分類性能。

3.3 不同紋理分類判別方法鑒別RCC亞型的價值

本研究應(yīng)用RDA、PCA、LDA和NDA四種方法進行紋理特征分類分析，其中NDA方法對于ccRCC、pRCC和ChRCC的兩兩鑒別具有最佳診斷效能，ROC曲線下面積達0.707～0.928，LDA是除NDA以外具有較高診斷效能的分析方法，ROC曲線下面積達0.728～0.901，這與Yan等[15]的研究結(jié)果一致。在使用NDA方法時，皮髓質(zhì)期、腎實質(zhì)期及延遲期增強T1WI的紋理特征判別均獲得了較高的診斷效能。這一結(jié)果說明三維VOI中提取的紋理特征包含了充分的有助于區(qū)別RCC亞型的信息，從而大大提高了診斷效能。

3.4 不足與展望

本研究存在以下局限性：首先， pRCC和ChRCC的發(fā)病率低，其樣本量較?。黄浯?，本研究對不同序列圖像集的紋理特征進行單獨分析，未來將綜合分析不同序列圖像集的紋理特征以進一步探尋具有最佳鑒別診斷價值的紋理特征。

綜上所述，DCE-MRI三維紋理分析可為ccRCC、pRCC和ChRCC的鑒別診斷提供客觀可靠的依據(jù)，具有較高的診斷效能。

利益沖突：無。