周海龍，張古沐陽，石 冰，孫 昊,金征宇

(中國醫(yī)學(xué)科學(xué)院 北京協(xié)和醫(yī)學(xué)院 北京協(xié)和醫(yī)院放射科，北京 100730)

定量CT紋理分析鑒別診斷透明細胞型與非透明細胞型腎癌

周海龍，張古沐陽，石 冰，孫 昊*,金征宇

(中國醫(yī)學(xué)科學(xué)院 北京協(xié)和醫(yī)學(xué)院 北京協(xié)和醫(yī)院放射科，北京 100730)

目的探討定量CT紋理分析鑒別透明細胞型腎癌和非透明細胞型腎癌的可行性。方法回顧性分析100個透明細胞型腎癌和27個非透明細胞型腎癌病灶的CT圖像，應(yīng)用TexRAD軟件分析各掃描期相兩種類型腎癌的紋理特征。結(jié)果增強圖像上，非透明細胞型腎癌的平均灰度值、標準差、熵、正像素的平均值明顯低于透明細胞型腎癌，而峰度高于透明細胞型腎癌(P均<0.001)，偏度差異無統(tǒng)計學(xué)意義(P>0.05)。在皮髓質(zhì)期的粗糙紋理上，正像素的平均值鑒別兩種類型腎癌的ROC曲線下面積為0.92±0.04，敏感度為0.85，特異度為0.93，準確率為0.87。結(jié)論透明細胞型腎癌與非透明細胞型腎癌的CT紋理特征間存在顯著差異，定量CT紋理分析鑒別診斷這兩種類型腎癌具有臨床價值。

癌，腎細胞；體層攝影術(shù)，X線計算機；紋理分析

透明細胞型腎癌是腎癌最常見的病理類型[1-2]，由于其惡性程度較高，故臨床上用于治療腎癌的靶向藥物主要針對該型，但這些藥物是否對非透明細胞型腎癌也有效尚未可知[3-4]。因此治療前明確腎癌病理類型至關(guān)重要。雖然穿刺活檢可在治療前明確腎癌的病理類型，但其為有創(chuàng)操作，在部分腎癌患者中并不適用[5]。定量紋理分析是一種新興的圖像后處理技術(shù)，通過借助計算機定量地提取圖像中不被肉眼識別的紋理特征來揭示組織內(nèi)在的異質(zhì)性，反應(yīng)不同組織間的細微差別。定量紋理分析可作為一種影像生物學(xué)標記用于鑒別不同疾病、預(yù)測治療療效及評估患者預(yù)后[6-11]。研究[10-11]表明，定量紋理分析可鑒別腎臟乏脂肪血管平滑肌脂肪瘤和腎癌。本研究旨在探討CT定量紋理分析鑒別透明細胞型腎癌和非透明細胞型腎癌的價值。

1 資料與方法

1.1 一般資料 收集2014年6月—2015年6月在我院接受手術(shù)切除并經(jīng)病理證實的腎癌患者136例，為保證病灶內(nèi)有足夠的實性成分用于后續(xù)的紋理分析，排除10例以囊性成分為主的病灶，最終共納入126例腎癌患者(127個病灶)，其中男83例，女43例，年齡20～79歲，平均(54.2±23.7)歲。126例腎癌患者中透明細胞型腎癌99例(100個病灶)，非透明細胞型腎癌27例(27個病灶；15例乳頭狀腎癌、12例嫌色細胞腎癌)。

1.2 儀器與方法 采用Siemens Somatom Definition Flash雙源雙能量CT掃描儀?；颊呷⊙雠P位，行腹部平掃及多期增強掃描，掃描范圍均為膈頂至雙腎下極水平。管電壓120 kVp，開啟實時動態(tài)曝光劑量調(diào)節(jié)CARE Dose 4D，準直128×0.6 mm，球管旋轉(zhuǎn)時間0.28 s，Kernel值B30f medium smooth，螺距0.9，重建層厚及層間距5 mm。增強掃描時，采用雙筒高壓注射器以4 ml/s的速度注入非離子對比劑(碘帕醇370 mgI/ml，上海博萊科信誼藥業(yè)有限責(zé)任公司)90 ml，之后跟注100 ml生理鹽水。采用Bolus tracking閾值觸發(fā)掃描技術(shù)，ROI置于降主動脈與腹主動脈交界處，自動觸發(fā)閾值設(shè)定為100 HU，達到閾值后延遲7 s行腎皮髓質(zhì)期掃描，之后再延遲55 s行腎實質(zhì)期掃描。

1.3 圖像處理及分析

1.3.1 圖像的選擇及測量 由2名分別工作4、12年的放射科醫(yī)師采用盲法共同分析圖像，意見不一致時協(xié)商解決。對每個病灶、每個掃描期相選取病灶最大層面的軸位圖像，測量病變最大徑，并將圖像傳送至紋理軟件工作站。

1.3.2 紋理分析 由1名經(jīng)過專業(yè)培訓(xùn)的放射科住院醫(yī)師使用TexRAD紋理分析軟件(TexRAD有限公司，www.texrad.com, part of Feedback Plc)對127個腎癌病灶進行CT紋理分析，測量2次取平均值。對每一病灶，在平掃、腎皮髓質(zhì)期及腎實質(zhì)期軸位圖像上分別手動沿病灶輪廓內(nèi)約1～2 mm勾畫ROI，不同掃描時期的ROI盡量保持一致，設(shè)置CT閾值，軟件可自動排除ROI內(nèi)壞死和鈣化的區(qū)域。通過直方圖分析獲得一系列的定量紋理參數(shù)(圖1)：平均灰度值(表示ROI內(nèi)像素的平均值)、標準差(表示與平均值間存在變化或分散的度量)、熵(表示像素強度分布的不規(guī)則性)、正像素的平均值(表示像素大于零的平均值)、偏度(表示直方圖的不對稱性)和峰度(表示直方圖的銳度)[12]?？臻g比例因子(spatial scaling factor, SSF)表示由濾波器突出顯示的圖像特征的大小，圖像特征彼此間距的半徑為0、2、3、4、5和6 mm。SSF 0表示無過濾處理的原始圖像，SSF 2表示精細紋理圖像，SSF 3～5表示中等紋理圖像，SSF 6表示粗糙紋理圖像。

1.4 統(tǒng)計學(xué)分析 采用SPSS 20.0統(tǒng)計分析軟件。符合正態(tài)分布的計量資料以±s表示，兩種類型腎癌病灶大小的比較采用兩獨立樣本t檢驗，P<0.05為差異有統(tǒng)計學(xué)意義。不符合正態(tài)分布的資料以[中位數(shù)(上下四分位數(shù))]表示，兩種類型腎癌的平掃和增強CT圖像在不同SSF下各紋理參數(shù)的差異比較采用Mann-WhitneyU檢驗；為避免校正多次比較帶來的I類錯誤，根據(jù)Cross-Chaffin公式對P值進行校正:P*=P×[k-x+1]-1，其中P*為校正后的P值，以<0.001為差異有統(tǒng)計學(xué)意義，P=0.05，k為檢驗總數(shù)，x為有統(tǒng)計學(xué)差異的檢驗數(shù)量[13]。繪制各紋理參數(shù)的ROC曲線，計算曲線下面積(area under curve, AUC)，分析AUC最大時相應(yīng)紋理參數(shù)鑒別兩類型腎癌的敏感度、特異度及準確率。

圖1 定量CT紋理分析示意圖 A.增強掃描皮髓質(zhì)期圖像，藍色輪廓為病灶ROI； B～D.精細、中等、粗糙紋理分析圖像

2 結(jié)果

127個腎癌病灶的最大徑為(4.90±2.61)cm，透明細胞型腎癌病灶最大徑為(4.51±2.12)cm，非透明細胞型腎癌的最大徑為(6.53±3.74)cm，差異無統(tǒng)計學(xué)意義(t=0.97，P>0.05)。

平掃CT圖像上，兩種類型腎癌間的紋理參數(shù)差異均無統(tǒng)計學(xué)意義(P均>0.001，Cross-Chaffin校正后)。增強CT圖像上，所有紋理圖像(SSF 0～6)中除偏度外，其余5個紋理參數(shù)(平均灰度值、標準差、熵、正像素的平均值、峰度)在兩種類型腎癌間差異均有統(tǒng)計學(xué)意義(P均<0.001，Cross-Chaffin校正后)。與透明細胞型腎癌相比，峰度在非透明細胞癌中更高，平均灰度值、標準差、熵及正像素的平均值在非透明細胞癌中更低，見表1、2。

表1 透明細胞型和非透明細胞型腎癌增強掃描CT圖像的平均灰度值、標準差、熵比較[中位數(shù)(上下四分位數(shù))]

表2 透明細胞型和非透明細胞型腎癌增強掃描CT圖像的正像素的平均值、偏度、峰度比較[中位數(shù)(上下四分位數(shù))]

腎實質(zhì)期圖像：除所有紋理圖像上的偏度及SSF 6上的峰度以外，余紋理圖像上的平均灰度值、標準差、熵及正像素的平均值的AUC均>0.7。SSF 6紋理圖像上正像素的平均值的AUC最高，為0.88±0.04[95%可信區(qū)間(0.81，0.96)]，其鑒別兩種類型腎癌的敏感度為0.87[95%可信區(qū)間(0.79 ，0.93)]，特異度為0.82[95%可信區(qū)間(0.62，0.94)]，準確率為0.86。

腎皮髓質(zhì)期圖像：所有紋理圖像上的正像素的平均值、標準差，SSF 3、SSF 4紋理圖像上熵的AUC均高于0.9；SSF 6紋理圖像上正像素的平均值的AUC最高，為0.92±0.04[95%可信區(qū)間(0.85，0.99)]，敏感度為0.85[95%可信區(qū)間(0.77，0.91)]，特異度為0.93[95%可信區(qū)間(0.76，0.99)]，準確率為0.87。

3 討論

定量紋理分析是近年新興的一種圖像后處理技術(shù)，其借助計算機的運算分析圖像像素的分布規(guī)律及特征，反應(yīng)病變內(nèi)的異質(zhì)性和病變之間的細微差異，揭示組織結(jié)構(gòu)和各種生理改變，包括血供變化及遺傳改變。目前，多項研究[6-11]已證實，紋理分析有助于多種疾病的鑒別診斷、療效評估及預(yù)后分析。本研究將定量紋理分析用于鑒別腎癌的病理類型，結(jié)果顯示增強CT圖像上應(yīng)用正像素的平均值鑒別透明細胞型和非透明細胞型腎癌的準確率可達到85%以上。

本研究中，在平掃CT圖像上，各紋理參數(shù)在透明細胞型和非透明細胞型腎癌間差異無統(tǒng)計學(xué)意義，在增強CT圖像上，多個紋理參數(shù)在兩種類型的腎癌間差異有統(tǒng)計學(xué)意義。雖然目前尚不明確碘對比劑對紋理分析的影響，但本研究結(jié)果提示碘對比劑可能有助于突顯兩類腎癌紋理特征之間的細微差異，從而為鑒別二者提供更多的有用信息。在增強CT圖像上，透明細胞型腎癌的平均灰度值、標準差、 熵及正像素的平均值更高，峰度更低。標準差表示ROI內(nèi)像素與平均值間的離散程度，熵表示ROI內(nèi)像素的紊亂程度，以上參數(shù)在透明細胞型腎癌中更高，說明透明細胞癌中像素的分布更離散、更紊亂，造成此差異的原因可能與透明細胞型腎癌的惡性程度更高有關(guān)。目前，多項研究[6-7,11]表明惡性程度越高的腫瘤，病變內(nèi)的異質(zhì)性越強，本研究結(jié)果也支持這一結(jié)論。平均灰度值表示ROI內(nèi)像素的平均值，正像素的平均值描述ROI內(nèi)大于零的像素的平均值，平均灰度值和正像素的平均值越高意味著ROI內(nèi)有更多明亮的區(qū)域，這可能與透明細胞型腎癌血供更豐富，強化更明顯有關(guān)。峰度表示像素直方圖的峰度，Ng等[14]報道，在結(jié)腸癌中,增強CT圖像得到的峰度越低，結(jié)腸癌惡性程度越高，患者5年生存率越差，并推測這可能與惡性腫瘤細胞的大量堆積及其更加均勻的血管化有關(guān)。本研究顯示峰度在透明細胞型腎癌中更低，可能與透明細胞型腎癌的惡性程度較非透明細胞型腎癌更高、預(yù)后更差有關(guān)。偏度并不能區(qū)分透明細胞型腎癌和非透明細胞型腎癌，筆者發(fā)現(xiàn)無論透明細胞型還是非透明細胞型腎癌，偏度的值均在零左右，提示偏度接近零可能是腎癌的一個共有特性，但并不是區(qū)分透明細胞型和非透明細胞型腎癌的有效參數(shù)。與本研究結(jié)果不同的是，Chandarana等[15]在MR圖像上發(fā)現(xiàn)透明細胞型腎癌的偏度更低，由于MR圖像與CT圖像具有不同的圖像特征，可能導(dǎo)致了兩個研究結(jié)果不一致。CT圖像與MR圖像的紋理分析結(jié)果是否能直接比較還有待進一步研究。雖然增強掃描腎皮髓質(zhì)期及實質(zhì)期圖像上，平均灰度值、標準差、 熵、正像素的平均值及峰度在透明細胞型和非透明細胞型腎癌間差異有統(tǒng)計學(xué)意義，但腎皮髓質(zhì)期時，這些參數(shù)對應(yīng)的AUC值更高、診斷效能更好，提示皮髓質(zhì)期的紋理分析更適合用于透明細胞型和非透明細胞型腎癌的鑒別。

本研究的局限性：①為回顧性研究且納入的非透明細胞型腎癌病例較少，可能高估了單個紋理參數(shù)鑒別兩種類型腎癌的診斷效能，后續(xù)還需納入更多的非透明細胞型腎癌病例以及開展前瞻性研究來進一步驗證本研究的結(jié)果；②本研究僅選取最能代表腫瘤最大截面的單張軸位圖像進行紋理分析，目前得到的紋理參數(shù)可能并未反映兩種類型類腎癌紋理特征的全貌，今后還需通過3D紋理分析的方法提取整個腫瘤的紋理信息來更全面評估紋理參數(shù)在鑒別腎癌病理類型方面的臨床價值；③僅評估了單個紋理參數(shù)診斷兩種類型腎癌的效能，但單個參數(shù)可能并不能全面地反映不同類型腎癌間的差異，后續(xù)可進一步結(jié)合多個紋理參數(shù)來區(qū)別不同類型的腎癌，以期提高診斷的準確率。

綜上所述，CT定量紋理分析可無創(chuàng)、簡便、準確地區(qū)分透明細胞型腎癌和非透明細胞型腎癌。

[1] Ridge CA, Pua BB, Madoff DC. Epidemiology and staging of renal cell carcinoma. Semin Intervent Radiol, 2014,31(1):3-8.

[2] 鄭敏,佟杰,楊琳，等.小腎癌超聲表現(xiàn)與病理學(xué)改變的相關(guān)性.中國醫(yī)學(xué)影像技術(shù),2013,29(2):273-275.

[3] Ljungberg B, Bensalah K, Canfield S, et al. EAU guidelines on renal cell carcinoma: 2014 update. Eur Urol, 2015,67(5):913-924.

[4] Procopio G, Verzoni E, Bracarda S, et al. Overall survival for sorafenib plus interleukin-2 compared with sorafenib alone in metastatic renal cell carcinoma (mRCC): Final results of the ROSORC trial. Ann Oncol, 2013,24(12):2967-2971.

[5] Volpe A, Finelli A, Gill I.S, et al. Rationale for percutaneous biopsy and histologic characterisation of renal tumours. Eur Urol, 2012,62(3):491-504.

[6] Zhang GM, Shi B, Sun H, et al. Differentiating pheochromocytoma from lipid-poor adrenocortical adenoma by CT texture analysis: Feasibility study. Abdom Radiol (NY), 2017,doi:10.1007/s00261-017-1118-3 [Epub ahead of print].

[7] Zhang GM, Shi B, Sun H, et al. Quantitative CT texture analysis for evaluating histologic grade of urothelial carcinoma. Abdom Radiol (NY), 2017,42(2):561-568.

[8] Smith AD, Gray MR, del Campo SM, et al. Predicting overall survival in patients with metastatic melanoma on antiangiogenic therapy and RECIST stable disease on initial posttherapy images ssing CT texture analysis. AJR Am J Roentgenol, 2015,205(3):W283-W293.

[9] De Cecco CN, Ganeshan B, Ciolina M, et al. Texture analysis as imaging biomarker of tumoral response to neoadjuvant chemoradiotherapy in rectal cancer patients studied with 3-T magnetic resonance. Invest Radiol, 2015,50(4):239-245.

[10] Kim SH, Kim CS, Kim MJ, et al. Differentiation of clear cell renal cell carcinoma from other subtypes and fat-poor angiomyolipoma by use of quantitative enhancement measurement during three-phase MDCT. AJR Am J Roentgenol,2016,206(1):W21-W28.

[11] Hodgdon T, McInnes MD, Schieda N, et al. Can quantitative CT texture analysis be used to differentiate fat-poor renal angiomyolipoma from renal cell carcinoma on unenhanced CT images? Radiology, 2015,276(3):787-796.

[12] Miles KA, Ganeshan B, Hayball MP. CT texture analysis using the filtration-histogram method: What do the measurements mean? Cancer Imaging, 2013,13(3):400-406.

[13] Cross EM, Chaffin WW. Use of the binomial theorem in interpreting results of multiple tests of significance. Educational and Psychological Measurements, 1982,42(1):25-34.

[14] Ng F, Ganeshan B, Kozarski R, et al. Assessment of primary colorectal cancer heterogeneity by using whole-tumor texture analysis: Contrast-enhanced CT texture as a biomarker of 5-year survival. Radiology, 2013,266(1):177-184.

[15] Chandarana H, Rosenkrantz AB, Mussi TC, et al. Histogram analysis of whole-lesion enhancement in differentiating clear cell from papillary subtype of renal cell cancer. Radiology, 2012,265(3):790-798.

CTtextureanalysisindifferentialdiagnosisofclear-cellandnonclear-cellrenalcellcarcinomas

ZHOUHailong,ZHANGGumuyang,SHIBing,SUNHao*，JINZhengyu

(DepartmentofRadiology,PekingUnionMedicalCollegeHospital,ChineseAcademyofMedicalScienceandPekingUnionMedicalCollege,Beijing100730,China)

ObjectiveTo explore the value of CT texture analysis (CTTA) in differential diagnosis of non clear-cell renal cell carcinoma (non-ccRCC) and clear-cell renal cell carcinoma (ccRCC).MethodsA total of 100 ccRCC and 27 non-ccRCC lesions were retrospectively analyzed. CTTA was performed on multiphasic CT images by using TexRAD software, and texture features were compared between ccRCC and non-ccRCC.ResultsCompared with ccRCC, the mean and standard deviation, entropy as well as the mean of positive pixels (MPP) were significantly lower, while kurtosis was higher in non-ccRCC lesions on enhanced CT images (P<0.001). No significant difference was observed in skewness between non-ccRCC and ccRCC (P>0.05). MPP at coarse texture scale on corticomedullary images identified non-ccRCC from ccRCC with an AUC of 0.92±0.04, the sensitivity was 0.85, specificity was 0.93 and accuracy was 0.87.ConclusionThere are significant differences in CTTA parameters between non-ccRCC and ccRCC. CTTA has clinical value in differential diagnosis of non-ccRCC and ccRCC.

Carcinoma, renal cell; Tomography, X-ray computed; Texture analysis

R737.11; R814.42

A

1003-3289(2017)12-1768-06

衛(wèi)生部行業(yè)基金科研專項(201402019)。

周海龍(1988—)，男，山東濱州人，學(xué)士，技師。研究方向：泌尿生殖系統(tǒng)影像學(xué)。E-mail: zhouhailong1028@126.com

孫昊，中國醫(yī)學(xué)科學(xué)院 北京協(xié)和醫(yī)學(xué)院 北京協(xié)和醫(yī)院放射科，100730。E-mail: sun_robert@126.com

2017-09-19

2017-11-06

10.13929/j.1003-3289.201709106