紋理分析聯(lián)合TIC曲線對(duì)乳腺浸潤(rùn)性導(dǎo)管癌與纖維腺瘤鑒別診斷的價(jià)值

王亮，梅海清，彭紅芬，張東友，韓瑞

乳腺癌是危害我國(guó)女性健康的主要惡性腫瘤之一[1]，其發(fā)病率呈逐年上升且年輕化的趨勢(shì)[2]。如能早期發(fā)現(xiàn)乳腺腫瘤尤其是惡性腫瘤，將會(huì)顯著提高女性患者的治愈效果，同時(shí)可以有效減少患者身體的創(chuàng)傷[3-4]；另一方面乳腺疾病的發(fā)現(xiàn)和治療與正確的診斷是分不開(kāi)的，如乳腺腫瘤中纖維腺瘤為良性腫瘤，占腫瘤比例為41.31%[5]，乳腺浸潤(rùn)性導(dǎo)管癌為惡性腫瘤，占比17.45%[5]；兩種腫瘤類(lèi)型不同，采用的臨床方法完全不同，前者主要采用保守治療，后者采用手術(shù)治療，因此對(duì)兩種疾病的準(zhǔn)確鑒別對(duì)臨床實(shí)施的方法起到至關(guān)重要的作用。目前臨床檢查主要采用動(dòng)態(tài)對(duì)比增強(qiáng)MRI(dynamic contrast-enhanced MRI，DCE-MRI)技術(shù)顯示病灶血供情況，結(jié)合時(shí)間-信號(hào)強(qiáng)度曲線(time-intensity curve，TIC)對(duì)病灶進(jìn)行定性評(píng)價(jià)；根據(jù)研究顯示MRI各項(xiàng)定性及定量指標(biāo)在良惡性病變中仍有重疊[6]。目前比較少的研究能夠有效地結(jié)合定性與定量指標(biāo)[7]。本研究通過(guò)紋理分析方法從MRI圖像中提取紋理特征信息，通過(guò)圖像中像素或體素灰度間的分布和關(guān)系，從而對(duì)病變異質(zhì)性進(jìn)行客觀的定量評(píng)價(jià)；同時(shí)嘗試將紋理分析方法與TIC方法相結(jié)合對(duì)乳腺纖維腺瘤與浸潤(rùn)性導(dǎo)管癌的鑒別診斷進(jìn)行研究。

1 材料與方法

1.1 患者資料

本研究為回顧性研究，收集2016年6月至2020年10月我院74例乳腺疾病患者(病灶共計(jì)75個(gè))的病例資料，年齡28～60(45±3.2)歲。該75例病例全部經(jīng)過(guò)病理檢查并確認(rèn)疾病類(lèi)型，其中包括乳腺纖維腺瘤27例，乳腺浸潤(rùn)性導(dǎo)管癌48例。本研究經(jīng)過(guò)武漢市第一醫(yī)院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)，免除受試者知情同意，批準(zhǔn)文號(hào)：武衛(wèi)一院倫審[2018]23號(hào)。

研究對(duì)象納入標(biāo)準(zhǔn)：①手術(shù)或穿刺組織經(jīng)病理學(xué)檢查確診為乳腺纖維腺瘤或乳腺浸潤(rùn)性導(dǎo)管癌；②術(shù)前在我院做了乳腺M(fèi)RI檢查；③簽署知情同意書(shū)。排除標(biāo)準(zhǔn)：①妊娠期或哺乳期女性；②有心臟、肝、腎等嚴(yán)重性疾??；③放化療或術(shù)后復(fù)查。

1.2 檢查方法

所有患者乳腺行MRI平掃、擴(kuò)散加權(quán)成像(diffusion-weighted imaging，DWI)、增強(qiáng)掃描及MRI波譜成像。具體方法：使用GE公司Signa HDXT 3.0 T超導(dǎo)磁共振成像儀，雙側(cè)乳腺專(zhuān)用8通道相控陣表面線圈。掃描序列組合為：

橫斷面T2WI脂肪抑制掃描參數(shù)：TR 3880 ms，F(xiàn)A 90°，TE 7.8 ms，ETL 17，矩陣320×256，F(xiàn)OV 32 cm，層厚/間隔4/1 mm，NEX 2。

橫斷面T1WI序列掃描參數(shù)：TR 400 ms，F(xiàn)A 90°，TE 7.8 ms，ETL 3，矩陣320×256，F(xiàn)OV 32 cm，層厚/間隔4/1 mm，NEX 1。

DWI采用擴(kuò)散加權(quán)平面回波成像序列和快速反轉(zhuǎn)恢復(fù)序列，TR 4500 ms，TE 76.5 ms，兩次激勵(lì)成像，F(xiàn)OV 32×32 cm，矩陣320×320，重建層厚5 mm，間隔1 mm，擴(kuò)散敏感因子(b值)選取0、1500 s/mm2。

動(dòng)態(tài)增強(qiáng)掃描用3D-VIBRANT序列(TR 4.2 ms，TE 1.8 ms，局部加勻長(zhǎng)，層厚1.4 mm，連續(xù)無(wú)間隔掃描，矩陣320×88，帶寬166.7 kHz)，在注射對(duì)比劑前掃一期蒙片，打藥后立即掃描，總時(shí)間為7 min 25 s，共掃描7個(gè)時(shí)相。

1.3 紋理分析

所有患者M(jìn)RI圖像以DICOM格式從PACS工作站導(dǎo)出并存儲(chǔ)。在不知病理學(xué)診斷結(jié)果的前提下，所有數(shù)據(jù)均由2名有經(jīng)驗(yàn)的乳腺放射學(xué)診斷醫(yī)師采用雙盲法進(jìn)行評(píng)估，結(jié)果不一致時(shí)經(jīng)協(xié)商后達(dá)成一致。在以上組合序列中結(jié)合平掃序列的基礎(chǔ)上確定病灶范圍在增強(qiáng)各期中選擇病灶層面最大的圖像，將該圖像導(dǎo)入MaZda軟件(MaZda ver.4.6；The Technical University of Lodz，Institute of Electronics)中進(jìn)行紋理分析。使用游程矩陣、共生矩陣、絕對(duì)梯度、直方圖和自回歸模型方法共獲得306個(gè)紋理參數(shù)特征。針對(duì)病灶紋理參數(shù)使用互信系數(shù)(mutual information coefficient，MI)、最小分類(lèi)錯(cuò)誤率+平均相關(guān)系數(shù)(classification error probability and average correlation coefficients，POE+ACC)、Fisher相關(guān)系數(shù)(Fisher coefficient，F(xiàn)isher)三種統(tǒng)計(jì)篩查方法，每種方法篩選出10個(gè)最佳紋理參數(shù)。通過(guò)篩選出來(lái)的最佳參數(shù)導(dǎo)入MaZda自帶的軟件B11進(jìn)行主成分分析(principal component analysis，PCA)、非線性鑒別分析(nonlinear discriminant analysis，NDA)、線性鑒別分析(linear discriminant analysis，LDA)進(jìn)行降維，最終軟件給出各組方法的最小誤判率R(誤判病灶個(gè)數(shù)/總病灶個(gè)數(shù))，將R的大小分為5個(gè)等級(jí)：小于等于10%為優(yōu)秀，大于10%小于等于20%為良好，大于20%小于等于30%為中等，大于30%小于等于40%為一般，大于40%為較差。

1.4 圖像分析

將掃描圖像導(dǎo)入GE工作站，手動(dòng)勾畫(huà)出病灶ROI，選擇強(qiáng)化程度明顯的區(qū)域，要求避開(kāi)囊變，壞死及出血等病變。系統(tǒng)自動(dòng)繪制出TIC，參照Kuh1分型其可分為3型：I型為緩升型提示良性病變；Ⅱ型為平臺(tái)型提示良、惡性都可能；Ⅲ型為流出型，提示惡性病變。

1.5 統(tǒng)計(jì)方法

應(yīng)用SPSS 19.0統(tǒng)計(jì)分析軟件包。計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差的形式表示，行t檢驗(yàn)；TIC結(jié)果、紋理分析結(jié)果、聯(lián)合診斷結(jié)果的計(jì)數(shù)資料以百分率表示，行卡方檢驗(yàn)。P＜0.05表示差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 ROI勾畫(huà)及TIC生成

采用MaZda軟件勾畫(huà)病灶ROI及GE工作站生成TIC，如圖1所示。

圖1 A、B：女，39歲，病理診斷為乳腺浸潤(rùn)性導(dǎo)管癌。A示左側(cè)乳腺勾畫(huà)ROI；B示病灶區(qū)域的TIC為Ⅲ型流出型。C、D：女，36歲，病理診斷為乳腺纖維腺瘤。C示右側(cè)乳腺勾畫(huà)ROI；D示病灶區(qū)域的TIC為Ⅱ型平臺(tái)型

2.2 生成最佳紋理分析參數(shù)

乳腺M(fèi)RI紋理特征的統(tǒng)計(jì)學(xué)提取方法和紋理特征的降維方法之間的不同組合獲得的紋理參數(shù)診斷效能存在差異，各組合中最低誤判率的結(jié)果見(jiàn)表1所示。Fisher+NDA與POE+ACC+NDA的誤判率為4%(3/75)，主要誤判的病灶為將乳腺纖維腺瘤誤判為乳腺浸潤(rùn)性導(dǎo)管癌。其次就是POE+ACC+LDA組合的誤判率為8%(6/75)，主要誤判的病灶為將4個(gè)乳腺纖維腺瘤誤判為乳腺導(dǎo)管浸潤(rùn)性癌，2個(gè)乳腺浸潤(rùn)性癌誤判為乳腺纖維腺瘤?？傊\斷效能最好的為Fisher+NDA或POE+ACC+NDA組合。其最終篩選出用于建模的診斷乳腺病變的10個(gè)最佳紋理參數(shù)分別為：Fisher+NDA為GeoW1、熵S(5,-5)、相關(guān)性S(5,5)、熵 S(4,-4)、熵 S(5,0)、熵 S(5,5)、Teta2、熵 S(4,0)、Teta3、熵 S (3,-3)。POE+ACC+NDA為 GeoYo、Vertl_Fraction、GeoW5b、GeoW4、相關(guān)性S(5,5)、Teta1、Vertl_ShrtREmp、GeoNx、GeoAox、GeoX。

表1 不同紋理分析方法組合對(duì)乳腺纖維腺瘤與浸潤(rùn)性導(dǎo)管癌的誤判率(%)

2.3 動(dòng)態(tài)增強(qiáng)的TIC分型

乳腺纖維腺瘤及乳腺浸潤(rùn)性導(dǎo)管癌的動(dòng)態(tài)增強(qiáng)的TIC分型結(jié)果見(jiàn)表2所示。

表2 乳腺纖維腺瘤與浸潤(rùn)性導(dǎo)管癌TIC類(lèi)型分類(lèi)

2.4 TIC與紋理分析比較

乳腺動(dòng)態(tài)增強(qiáng)TIC、MRI圖像紋理分析及兩者聯(lián)合診斷乳腺纖維腺瘤與乳腺浸潤(rùn)性導(dǎo)管癌的比較，如表3所示。聯(lián)合診斷病變的敏感度及準(zhǔn)確度均較單一方法時(shí)提高，分別為97.9%、68.0%；特異度(14.8%)比TIC方法(29.6%)有所降低，比紋理分析方法(11.1%)有所提高。

表3 乳腺纖維腺瘤與浸潤(rùn)性導(dǎo)管癌紋理分析聯(lián)合TIC診斷效能

3 討論

3.1 影像組學(xué)及DCE-MRI

影像組學(xué)[8]是借助計(jì)算機(jī)軟件高通量地從醫(yī)學(xué)影像數(shù)據(jù)中挖掘大量的定量影像學(xué)特征并使用統(tǒng)計(jì)學(xué)和計(jì)算機(jī)語(yǔ)言篩選最有價(jià)值的影像組學(xué)特征來(lái)解析臨床信息用于疾病的診療；其中紋理特征提取是影像組學(xué)的一種方法[9-11]。它是描述圖像像素間灰度相關(guān)性的數(shù)學(xué)方法，優(yōu)勢(shì)在于不需額外增加掃描，與診斷醫(yī)生的經(jīng)驗(yàn)和判斷無(wú)關(guān)[9]，只提供圖像本身的特征參數(shù)用于量化評(píng)估，該方法是提高乳腺癌MRI特異度的一種方法[12-13]。而DCE-MRI檢查則是從血流動(dòng)力學(xué)的方面對(duì)乳腺疾病進(jìn)行分析的方法。

3.2 乳腺浸潤(rùn)性導(dǎo)管癌與纖維腺瘤的TIC類(lèi)型

乳腺浸潤(rùn)性導(dǎo)管癌屬于惡性腫瘤，其發(fā)病過(guò)程快，病程短，腫瘤病灶處的毛細(xì)血管密度高[14-16]，血管壁的通透性較乳腺纖維腺瘤高，所以對(duì)比劑通過(guò)腫瘤區(qū)域后會(huì)表現(xiàn)出明顯強(qiáng)化，而后對(duì)比劑消失得也很快[17-19]，即“快進(jìn)快出”的Ⅲ型TIC的表現(xiàn)形式最為多見(jiàn)(30/48)，也有少部分Ⅱ型(15/48)的存在；而纖維腺瘤作為良性腫瘤其發(fā)病過(guò)程比較緩慢[20]，血管發(fā)育程度高，比浸潤(rùn)性癌要低，對(duì)比劑通過(guò)腫瘤區(qū)域后表現(xiàn)出緩慢上升的形式[21]，即“快進(jìn)”的I型TIC的表現(xiàn)形式最為多見(jiàn)(14/27)，也有一部分表現(xiàn)為Ⅱ型的形式。臨床檢查中往往是兩種疾病共存多種TIC的形式，所以該TIC不能單獨(dú)作為鑒別診斷的依據(jù)。因此，本研究嘗試將以上兩種方法進(jìn)行結(jié)合，以提高其對(duì)乳腺浸潤(rùn)性導(dǎo)管癌與纖維腺瘤的鑒別診斷敏感度和準(zhǔn)確度。

3.3 紋理分析與TIC結(jié)合的優(yōu)勢(shì)

研究得出紋理分析中最小誤判率R小于10%的有Fisher+NDA、POE+ACC+NDA、POE+ACC+LDA，這些屬于優(yōu)秀，其他的最小誤判率R大于10%小于等于20%的有：Fisher+PCA、Fisher+LDA、POE+ACC+PCA、MI+NDA、MI+LDA、MI+PCA，這些屬于良好級(jí)別?？傮w來(lái)看Fisher+NDA、POE+ACC+NDA最小誤判率都為4%表現(xiàn)最好，只是各自10個(gè)最佳特征值稍有不同，筆者分析認(rèn)為兩者統(tǒng)計(jì)方法不同，降維方法相同，只是紋理參數(shù)的特征提取點(diǎn)不同，最終最小誤判率R相同。該兩種方法都可以用于乳腺浸潤(rùn)性癌和纖維腺瘤的鑒別診斷，兩者選其一即可；其他組合從表1中可知誤判率較高，應(yīng)舍棄。通過(guò)Fisher+NDA方法(或POE+ACC+NDA方法)鑒別浸潤(rùn)性癌和纖維腺瘤的敏感度、準(zhǔn)確度分別為93.8%、64.0%；TIC鑒別浸潤(rùn)性癌和纖維腺瘤的敏感度、準(zhǔn)確度分別為87.5%、66.7%。兩種方法聯(lián)合后敏感度提高到97.9%、準(zhǔn)確度提高到68.0%，能夠有效地提高鑒別的敏感度和準(zhǔn)確度，實(shí)現(xiàn)病灶定量與定性的分析。

3.4 本研究的局限性

本研究不足之處有以下兩點(diǎn)：(1)研究中涉及的患者圖像均為軸位圖像進(jìn)行ROI的勾畫(huà)，而病灶是三維立體的，不能展現(xiàn)病灶整體特征；(2)病灶區(qū)域的勾畫(huà)范圍和大小因操作者不同而有區(qū)別。

綜上所述，常規(guī)MRI平掃與增強(qiáng)的基礎(chǔ)上，采用TIC與MRI紋理參數(shù)分析可以提高乳腺纖維腺瘤和乳腺浸潤(rùn)性導(dǎo)管癌鑒別診斷的敏感度和準(zhǔn)確度，在乳腺良惡性的鑒別診斷上具有一定的臨床價(jià)值，值得推廣。

作者利益沖突聲明：全體作者均聲明無(wú)利益沖突。