基于CT平掃圖像紋理分析鑒別浸潤(rùn)性肺腺癌與非鈣化結(jié)核球

黃櫟有，王延花，高先聰

(1.徐州醫(yī)科大學(xué)附屬宿遷醫(yī)院 南京鼓樓醫(yī)院集團(tuán)宿遷市人民醫(yī)院腫瘤科,2.放射科，江蘇 宿遷 223800)

肺癌已成為目前我國(guó)發(fā)病率最高的惡性腫瘤，其中腺癌最常見(jiàn)[1]，當(dāng)浸潤(rùn)范圍大于5 mm時(shí)可認(rèn)為是浸潤(rùn)性腺癌。近年來(lái)影像學(xué)篩查肺癌大為普及，檢出越來(lái)越多的孤立性結(jié)節(jié)[2]。早期浸潤(rùn)性肺腺癌CT表現(xiàn)多為肺內(nèi)孤立性結(jié)節(jié)或腫塊；而肺非鈣化結(jié)核球?yàn)榘愿衫倚圆≡?，CT表現(xiàn)為孤立性結(jié)節(jié)或團(tuán)塊影，可有分葉及毛刺；2者早中期CT表現(xiàn)多無(wú)明顯特異性，易誤診。

相比主觀視覺(jué)識(shí)別法，CT紋理分析能提取紋理特征參數(shù)，定量分析病變內(nèi)組織結(jié)構(gòu)的異質(zhì)性，提供肉眼無(wú)法觀察到的病灶圖像內(nèi)所包含的潛在信息，并將其量化，其結(jié)果具有普遍性、客觀性和可重復(fù)性等特點(diǎn)。目前紋理分析技術(shù)已用于鑒別腦[3]、肺[4]、乳腺[5]、肝臟[6]和腎臟[7]等器官的良惡性腫瘤，或評(píng)估病變治療效果及預(yù)后。本研究探討基于CT平掃圖像紋理分析鑒別浸潤(rùn)性肺腺癌與非鈣化結(jié)核球的可行性。

1 資料與方法

1.1 一般資料 收集2017年8月—2019年4月52例于南京鼓樓醫(yī)院集團(tuán)宿遷市人民醫(yī)院接受胸部CT平掃發(fā)現(xiàn)肺內(nèi)單發(fā)結(jié)節(jié)或腫塊、并經(jīng)穿刺或手術(shù)病理證實(shí)為肺浸潤(rùn)性肺腺癌或非鈣化結(jié)核球的患者，男27例,女25例，年齡21～82歲,平均(57.8±14.3)歲；其中31例浸潤(rùn)性肺腺癌，21例非鈣化結(jié)核球。納入標(biāo)準(zhǔn)：①肺內(nèi)單發(fā)結(jié)節(jié)或腫塊最大直徑<4 cm；②腫塊內(nèi)無(wú)明顯鈣化或空洞壞死；③有明確病理及臨床診斷結(jié)果。

1.2 儀器與方法 采用Siemens Somatom Definition FLASH或Philips Brilliance 64 CT掃描儀，掃描參數(shù)為管電壓120 kV，管電流210 mA，層厚1～5 mm；重建層厚2～5 mm，窗寬200～300 HU，窗位30～40 HU，螺距 0.9。

1.3 紋理特征提取 采用MaZda[8]紋理分析軟件提取圖像紋理特征，對(duì)CT縱隔窗橫斷位圖像上的結(jié)節(jié)或腫塊直徑最大層面進(jìn)行分析。將所有圖像導(dǎo)入軟件，并進(jìn)行圖像灰度歸一化處理。由1名具有10年以上胸部影像學(xué)診斷經(jīng)驗(yàn)的主治醫(yī)師沿腫塊內(nèi)緣手動(dòng)勾畫(huà)ROI，其邊緣距腫塊內(nèi)緣2～3 mm(圖1)。根據(jù)病理類(lèi)型定義2組ROI，分別對(duì)應(yīng)浸潤(rùn)性肺腺癌和非鈣化結(jié)核球，以不同顏色區(qū)分不同類(lèi)別病灶。采用6種紋理分析方法：①灰度直方圖；②灰度絕對(duì)梯度；③游程矩陣；④灰度共生矩陣；⑤自回歸模型；⑥小波變換；分析2組ROI紋理，每組獲得300個(gè)紋理特征。

表1 2組間差異存在統(tǒng)計(jì)學(xué)意義的最佳紋理特征

圖1 勾畫(huà)浸潤(rùn)性肺腺癌(A，紅色)和非鈣化結(jié)核球ROI示意圖(B，綠色)

以費(fèi)希爾參數(shù)法(fisher coefficients, Fisher)、最小分類(lèi)誤差與最小平均相關(guān)系數(shù)法(minimization of both classification error probability and average correlation coefficients, POE+ACC)和相關(guān)信息測(cè)度法(mutual information coefficients, MI)3種特征選擇方法提取2組圖像最佳紋理特征。每種方法各從紋理特征中篩選出10個(gè)對(duì)鑒別浸潤(rùn)性肺腺癌和非鈣化結(jié)核球最有意義的紋理特征，共獲得3組最佳紋理特征，并將其合并，得到3種方法聯(lián)合的紋理特征組(MPF)。

1.4 最佳紋理特征分析 采用MaZda軟件提供的線性判別分析法(linear discriminant analysis, LDA)和非線性判別分析法(nonlinear discriminant analysis, NDA)分別對(duì)Fisher、POE+ACC、MI及MPF 4組最佳紋理特征組進(jìn)行分類(lèi)。LDA以K-近鄰分類(lèi)器(K-NN)進(jìn)行分類(lèi)，K=1(決策時(shí)只依據(jù)最鄰近的1個(gè)樣本的類(lèi)別來(lái)決定待分類(lèi)樣本的類(lèi)別)；NDA采用人工神經(jīng)網(wǎng)絡(luò)(artificial neutral network， ANN)進(jìn)行分類(lèi)。分類(lèi)后計(jì)算每組紋理特征鑒別浸潤(rùn)性肺腺癌和非鈣化結(jié)核球的最小錯(cuò)誤率。

1.5 統(tǒng)計(jì)學(xué)分析 采用SPSS 22.0統(tǒng)計(jì)分析軟件。計(jì)數(shù)資料以百分比表示。采用皮爾遜χ2檢驗(yàn)分別比較NDA/ANN-Fisher分類(lèi)錯(cuò)誤率與LDA/KNN-Fisher、LDA/KNN-POE+ACC、LDA/KNN-MI、LDA/KNN-MPF、NDA/ANN-POE+ACC、NDA/ANN-MI及NDA/ANN-MPF的差異。以Mann-WhitneyU檢驗(yàn)分別比較2組病變間30個(gè)最佳紋理特征的差異，繪制以最佳紋理特征鑒別浸潤(rùn)性肺腺癌和非鈣化結(jié)核球的ROC曲線，并計(jì)算AUC以分析其診斷效能，0.50≤AUC<0.60為差，0.60≤AUC<0.70為中等，0.70≤AUC<0.80為較好，0.80≤AUC<0.90為非常好，0.90≤AUC≤1.00為極好。采用Medcalc軟件分析其AUC差異。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 分類(lèi)錯(cuò)誤率比較 NDA/ANN-Fisher法的分類(lèi)錯(cuò)誤率[7.69%(4/52)]低于LDA/KNN-Fisher[25.00%(13/52)]、LDA/KNN-POE+ACC[26.92%(14/52)]、LDA/KNN-MI[48.08%(25/52)]、NDA/ANN-POE+ACC[23.08%(12/52)]及NDA/ANN-MI[25.00%(13/52)](χ2=5.70、6.72、21.09、4.73、5.70，P均<0.05)，與LDA/KNN-MPF[17.31%(9/52)]、NDA/ANN-MPF法[5.77%(3/52)]差異無(wú)統(tǒng)計(jì)學(xué)意義(χ2=2.20、0.15，P均>0.05)。

2.2 最佳紋理特征診斷效能 2組病變間存在10個(gè)差異有統(tǒng)計(jì)學(xué)意義的最佳紋理特征見(jiàn)表1。繪制其鑒別2組病變的ROC曲線，其中診斷效能較好的最佳紋理特征為差異熵S(1,1)、差方差S(1,1)和梯度方差(AUC=0.71、0.71、0.70)，見(jiàn)表2、圖2。差異熵S(1,1)與差方差S(1,1)及梯度方差、差方差S(1,1)與梯度方差間AUC差異均無(wú)統(tǒng)計(jì)學(xué)意義(Z=0.04、0.09、0.07，P均>0.05)。

3 討論

生物學(xué)異質(zhì)性是腫瘤的重要特征之一，可能由腫瘤內(nèi)部血管密度不均勻、血管灌注、腫瘤細(xì)胞增殖以及壞死等因素造成[9-10]。紋理特征分析通過(guò)定量分析圖像中體素的分布及相關(guān)性，最大化獲取當(dāng)前圖像的臨床信息，可定量、客觀地評(píng)估病灶的異質(zhì)性[11-12]。目前通過(guò)分析胸部CT的紋理特征而鑒別良惡性病變的研究越來(lái)越多。DENNIE等[13]發(fā)現(xiàn)熵、方差與平方和可有效區(qū)分肺癌與肉芽腫性炎癥；SUO等[14]認(rèn)為均差和熵差可較好地區(qū)分良惡性肺結(jié)節(jié)；張娜等[4]提出熵、總和熵、差異熵對(duì)鑒別肺良惡性結(jié)節(jié)具有良好診斷效能。以上研究均提示與熵相關(guān)的紋理特征對(duì)鑒別肺部良惡性結(jié)節(jié)具有重要價(jià)值。本研究?jī)H對(duì)浸潤(rùn)性肺腺癌與非鈣化結(jié)核球2種不同病理類(lèi)型的肺結(jié)節(jié)進(jìn)行鑒別，排除了多種病理類(lèi)型肺結(jié)節(jié)間紋理特征差異造成的干擾，以期獲得更具特異性的結(jié)果。本研究結(jié)果顯示MaZda軟件中NDA/ANN-Fisher分類(lèi)法能較好地區(qū)分浸潤(rùn)性肺腺癌與非鈣化結(jié)核球，其分類(lèi)錯(cuò)誤率為7.69%，與NDA/ANN-MPF法(5.77%)的差異無(wú)統(tǒng)計(jì)學(xué)意義，但后者增加了20個(gè)紋理特征參數(shù)，其原因可能為對(duì)鑒別2種病變?cè)\斷效能較好的紋理特征大部分源于Fisher方法選擇的特征組合，其余20個(gè)紋理特征的診斷效能有限。分析最佳紋理特征鑒別2種病變的ROC曲線顯示差異熵和方差相關(guān)的紋理特征具有重要意義，與既往研究[13-14]結(jié)果相符。熵和方差特征均反映圖像中結(jié)節(jié)的灰度偏差程度，其中方差反映像素值均值偏差的度量，而熵是對(duì)圖像包含信息量的隨機(jī)性度量；差異熵對(duì)應(yīng)圖像中灰度變化區(qū)域，其值增高提示圖像灰度變化不規(guī)則，可能反映相比肉芽腫病變，浸潤(rùn)性肺腺癌內(nèi)部結(jié)構(gòu)更復(fù)雜及不均勻，具有更高的異質(zhì)性。

表2 最佳紋理特征鑒別2種病變的ROC曲線分析結(jié)果

圖2 3種最佳紋理特征鑒別浸潤(rùn)性肺腺癌與非鈣化結(jié)核球的ROC曲線

本研究?jī)H針對(duì)CT平掃圖像，目前圍繞增強(qiáng)CT對(duì)紋理特征分析是否有所幫助仍存在爭(zhēng)議。GANESHAN等[15]認(rèn)為增強(qiáng)掃描可增加血管對(duì)比度，更好地反映病灶的異質(zhì)性；而DENNIE等[13]指出采用3個(gè)相同的紋理特征于增強(qiáng)CT鑒別肺癌的敏感度(38%)低于平掃CT(88%)。

綜上所述，通過(guò)CT平掃圖像紋理分析可較好地區(qū)分浸潤(rùn)性肺腺癌與非鈣化結(jié)核球，為鑒別診斷提供客觀、可靠的依據(jù)。本研究尚存不足：①樣本數(shù)量少；②采用不同設(shè)備采集CT圖像，雖預(yù)先對(duì)圖像進(jìn)行了歸一化處理，仍有可能影響紋理特征；③ROI為手工勾畫(huà)；④僅分析病灶最大橫斷位層面紋理特征，難免造成三維方向的紋理缺失，影響等于病灶異質(zhì)性的評(píng)估結(jié)果。