丁玖樂，陳蕾，孫玲玲，田小娟，陳杰，邢偉

蘇州大學(xué)附屬第三醫(yī)院影像科,江蘇常州 213003； *通訊作者 邢偉suzhxingwei@126.com

醫(yī)學(xué)圖像的紋理分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用已體現(xiàn)出一定的優(yōu)勢(shì)[1-3]；同時(shí)，紋理分析生成定量參數(shù)值便于學(xué)術(shù)交流，更有利于大數(shù)據(jù)時(shí)代數(shù)據(jù)的進(jìn)一步處理。但是醫(yī)學(xué)圖像的紋理分析也面臨著諸多問題，如不同設(shè)備和掃描條件產(chǎn)生的圖像紋理分析結(jié)果不同[4]。在臨床實(shí)踐中，CT圖像掃描的管電壓、重建層厚相對(duì)固定，但不同設(shè)備間圖像算法及患者體型的差異均可導(dǎo)致兩種機(jī)型掃描圖像的紋理分析差異。因此，探索對(duì)這種差異不敏感的參數(shù)，或通過預(yù)處理減少這種差異是目前醫(yī)學(xué)圖像分析的研究重點(diǎn)。Yang等[5]在肺部圖像的紋理分析發(fā)現(xiàn)，平滑處理可以消除不同機(jī)型下噪聲的干擾，可能有一定的臨床實(shí)用價(jià)值。本研究通過在不同機(jī)型中對(duì)VX2腫瘤動(dòng)物模型掃描，再結(jié)合平滑預(yù)處理手段，旨在評(píng)價(jià)不同CT機(jī)型下常規(guī)腹部掃描的紋理分析差異及預(yù)處理方法。

1 材料與方法

1.1 動(dòng)物實(shí)驗(yàn) 選取健康新西蘭大白兔7只，2～3月齡，體重1.8～2.5 kg [實(shí)驗(yàn)動(dòng)物合格證號(hào)：SCXK（蘇）2014-0004]。于豎脊肌（約腎門水平）注射107/ml的VX2腫瘤細(xì)胞懸液0.5 ml后行單個(gè)兔籠飼養(yǎng)。衛(wèi)生水及標(biāo)準(zhǔn)兔飼料條件下飼養(yǎng)14 d。種植后第14天，于右側(cè)股四頭肌注射3%戊巴比妥鈉（1 ml/kg），約20 min后實(shí)驗(yàn)兔達(dá)到深麻醉狀態(tài)（無角膜反應(yīng)），取俯臥位，固定四肢，行CT平掃及增強(qiáng)掃描。

1.2 CT掃描 采用兩種CT機(jī)型掃描，分別為Toshiba Aquilion ONE 320層（CT320）和Siemens 16層CT（CT16）。CT320的常規(guī)腹部掃描參數(shù)：管電壓120 kV，X線球管輸出功率151 mAs，未采用自動(dòng)毫安技術(shù)，矩陣512×512，探測(cè)器寬度0.6 mm，重建層厚5 mm，重建算法kernel FC18。CT16常規(guī)腹部掃描參數(shù)：管電壓120 kV，X線球管輸出功率150 mAs，未采用自動(dòng)毫安技術(shù)，矩陣512×512，探測(cè)器寬度0.75 mm，重建層厚5 mm，重建算法B31f。CT掃描順序：CT320平掃、CT16平掃和CT16增強(qiáng)掃描。經(jīng)耳緣靜脈手動(dòng)推注碘比醇注射液（XENETIX 350 100 ml），用量3 ml，9～12 s內(nèi)完成推注，對(duì)比劑推注后30 s開始增強(qiáng)掃描。

1.3 圖像分析 由1名有5年以上工作經(jīng)驗(yàn)、對(duì)實(shí)驗(yàn)研究目的及設(shè)計(jì)方法未知的副主任醫(yī)師進(jìn)行圖像分析。采用IBEX軟件分析，首先載入7個(gè)VX2瘤的CT圖像（2臺(tái)機(jī)型掃描共計(jì)14個(gè)影像號(hào)），參考增強(qiáng)圖像（增強(qiáng)后異常強(qiáng)化的邊緣），選取腫瘤面積最大的3個(gè)層面，分別勾畫腫瘤的輪廓，生成感興趣區(qū)（ROI）；然后導(dǎo)出到相應(yīng)的ROI文件中，準(zhǔn)備進(jìn)行紋理分析[6]。紋理分析包括以下步驟：①預(yù)處理采用兩種：直接閾值處理，即自動(dòng)去除CT值＜0的體素，避免ROI內(nèi)有腫瘤周圍脂肪密度的干擾，生成對(duì)應(yīng)的參數(shù)標(biāo)記為CT320non或CT16non；平滑預(yù)處理（濾過），在上述閾值處理后，再平滑處理（3個(gè)體素內(nèi)平滑處理），生成對(duì)應(yīng)的參數(shù)標(biāo)記為 CT320smooth或 CT16smooth。②紋理分析：紋理分析包括直方圖分析及灰度共生矩陣分析，分別選取 6個(gè)最常用的直方圖參數(shù)（峰度、偏度、四分位差、下分位點(diǎn)、中分位點(diǎn)和上分位點(diǎn)）和6個(gè)最常用的共生矩陣參數(shù)（對(duì)比度、自相關(guān)、能量、熵、同質(zhì)性和協(xié)方差）[7]。其中灰度分布范圍設(shè)定0～4096；各共生矩陣的參數(shù)為對(duì)應(yīng)的4個(gè)角度（0°、45°、90°和 135°）的平均參數(shù)值，以減少臨床實(shí)踐中體位因素導(dǎo)致的差異[8]；步長(zhǎng)距離為 1個(gè)體素。各特征參數(shù)均為每個(gè)腫瘤3個(gè)最大層面對(duì)應(yīng)特征參數(shù)的均值。

1.4 統(tǒng)計(jì)學(xué)方法 采用SPSS 13.0軟件。計(jì)量資料以或中位數(shù)（四分位間距）表示，兩種CT機(jī)型間或兩種預(yù)處理方法間的比較均采用配對(duì)t檢驗(yàn)或Wilcoxon檢驗(yàn)。P＜0.05表示差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 VX2腫瘤的CT表現(xiàn) VX2腫瘤種植14 d后，每只兔子均負(fù)荷1枚腫瘤。在不同CT機(jī)型中，7枚腫瘤均呈混雜密度影，其中2例腫瘤中心見斑片狀稍高密度影。增強(qiáng)后7枚腫瘤均表現(xiàn)為不均勻強(qiáng)化，見圖1。

圖1 VX2瘤在兩種CT機(jī)型中掃描圖像的比較。CT320（A）和CT16（B、C）均采用相同的窗位60 HU、窗寬200 HU顯示圖像，左側(cè)豎脊肌明顯增粗，內(nèi)見類圓形混雜密度影，邊緣欠清，中心可見斑點(diǎn)狀稍高密度影，提示瘤內(nèi)出血；增強(qiáng)后見腫瘤邊緣明顯強(qiáng)化（C）；根據(jù)增強(qiáng)后圖像勾畫腫瘤的輪廓（紅色圈），設(shè)定為ROI；IBEX軟件生成VX2瘤（CT平掃，未進(jìn)行平滑濾過預(yù)處理）的頻數(shù)直方圖（D），CT320機(jī)型掃描的VX2瘤的直方圖最高峰較CT16稍向右側(cè)偏移，提示CT320機(jī)型的圖像灰度整體稍偏大

2.2 不同CT機(jī)型間圖像的體素差異 CT320掃描像素邊長(zhǎng)為0.846（0.843，0.846）mm；CT16掃描像素邊長(zhǎng)為0.641（0.633，0.668）mm，兩組間差異有統(tǒng)計(jì)學(xué)意義（W=28，P=0.022）。

2.3 紋理分析結(jié)果 共生矩陣中6個(gè)特征參數(shù)和直方圖分析中，3個(gè)特征參數(shù)（峰度、偏度、四分位差）在兩種機(jī)型間差異均無統(tǒng)計(jì)學(xué)意義（P＞0.05），而直方圖分析的其他3個(gè)特征參數(shù)（上、中、下分位點(diǎn)）在CT320機(jī)型中更高，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。經(jīng)過平滑預(yù)處理后，僅CT16組中的一項(xiàng)特征參數(shù)（峰度）無明顯變化，其余11項(xiàng)特征參數(shù)均有明顯變化，為非平滑預(yù)處理前的2.4～11.54倍，其中3個(gè)特征參數(shù)（偏度、對(duì)比度和協(xié)方差）變化最為明顯，即偏度、對(duì)比度和協(xié)方差參數(shù)值在 CT320機(jī)型中分別是平滑預(yù)處理前的11.54倍、6.44倍和4.3倍，在CT16機(jī)型中分別是平滑預(yù)處理前的9.81倍、3.25倍和2.4倍，見表1。同時(shí)，平滑濾過預(yù)處理后，兩種機(jī)型間無差異的特征參數(shù)也減少至25%（3/12），分別為偏度、自相關(guān)和能量。

表1 平滑預(yù)處理前后VX2瘤的紋理分析特征參數(shù)比較

3 討論

鑒于惡性腫瘤在大體解剖、顯微鏡下和基因?qū)用婢尸F(xiàn)異質(zhì)性，且這種異質(zhì)性與腫瘤的惡性生物學(xué)行為及預(yù)后明顯相關(guān)，故臨床工作中需要一種簡(jiǎn)單方法客觀地量化腫瘤的異質(zhì)性[9-10]。目前以直方圖分析和共生矩陣的應(yīng)用最為廣泛。在臨床工作中，CT視野的大小通常需要根據(jù)患者的體型及體位等因素設(shè)置，故每位患者 CT圖像像素存在差異。本研究中，盡管CT320掃描的腫瘤像素明顯大于 CT16，但在未經(jīng)平滑預(yù)處理的直方圖分析中，與直方圖形態(tài)有關(guān)的3個(gè)參數(shù)（峰度、偏度、四分位差）在兩種CT機(jī)型間差異均無統(tǒng)計(jì)學(xué)意義，而與原始圖像灰度值范圍直接相關(guān)的參數(shù)則存在差異。因而推測(cè)兩種CT機(jī)型間不同的軟組織算法導(dǎo)致圖像整體的灰度改變，這與Yasaka等[11]的研究結(jié)果一致。Mackin等[4]分別采用平均 CT值位于－864～652 HU的組織為樣本，結(jié)果表明組織的平均CT值越低，不同CT機(jī)型間的CT值及紋理參數(shù)差異越大。本研究以軟組織（VX2瘤）為研究對(duì)象，其CT值通常位于30～60 HU，其對(duì)應(yīng)紋理分析參數(shù)波動(dòng)幅度較小，故適合在臨床實(shí)踐中推廣。

與直方圖分析不同，灰度共生矩陣分析更加關(guān)注在矩陣內(nèi)一定空間關(guān)系的灰度排列信息，在病灶較大的情況下不易受到體素大小的影響[12]。Rangayyan等[13]的乳腺鉬靶的病灶鑒別中，盡管圖像分辨率在 50～1000 μm間變化，但是聚類分析的能力均相對(duì)穩(wěn)定（受試者特征曲線下面積為 0.55～0.65），提示紋理分析允許體素在一定范圍內(nèi)變化。該研究借助動(dòng)物模型，直接證實(shí)了圖像紋理分析中的灰度共生矩陣參數(shù)在兩個(gè)CT機(jī)型間比較穩(wěn)定。

本研究中，在經(jīng)過平滑預(yù)處理后，12個(gè)參數(shù)中11個(gè)變化明顯，而且CT320機(jī)型對(duì)應(yīng)的紋理分析參數(shù)變化幅度較CT16大，可能與CT320機(jī)型的體素較大有關(guān)，提示平滑預(yù)處理明顯改變了原始圖像的紋理特征。但是仍然不能否認(rèn)這種紋理特征改變的優(yōu)越性，需要結(jié)合具體需要解決的問題綜合考慮。在經(jīng)過預(yù)處理后，3個(gè)特征參數(shù)（偏度、自相關(guān)和能量）在兩種CT機(jī)型間差異無統(tǒng)計(jì)學(xué)意義。部分臨床研究采用“偏度”“一致性”“熵”等參數(shù)分析[14-15]；但這些研究的CT圖像均來自某一掃描機(jī)型，不會(huì)干擾研究結(jié)果。Hodgdon等[16]的臨床研究中，盡管數(shù)據(jù)來自6臺(tái)不同的CT設(shè)備，但是其研究結(jié)果表明紋理分析鑒別乏脂性錯(cuò)構(gòu)瘤和腎細(xì)胞癌的價(jià)值仍然較高（受試者工作特征曲線下面積為 0.73～0.90），也可以間接地推測(cè)紋理分析參數(shù)在不同CT設(shè)備間的表現(xiàn)相對(duì)比較穩(wěn)定。

本研究的局限性為：①CT320和CT16對(duì)同一批次腫瘤掃描，同時(shí)存在兩個(gè)干擾因素，即體素大小和圖像算法的不同。Lu等[17]研究發(fā)現(xiàn)，當(dāng)同一設(shè)備的算法和重建層厚均存在較大差異時(shí)，對(duì)應(yīng)的紋理分析參數(shù)值變化幅度較大。本研究中，2臺(tái)CT機(jī)的圖像均為軟組織算法，其不同導(dǎo)致的差異較為微弱。②紋理分析的具體算法（包括軟件的參數(shù)設(shè)置）在不同軟件中也可能存在差異。本研究?jī)H比較IBEX的紋理分析所得部分參數(shù)。在采用其他軟件分析時(shí)，需要謹(jǐn)慎參考。③為便于臨床推廣，本研究模擬臨床掃描條件，分析2D的CT圖像，但是腫瘤的3D成像可能更有利于比較不同掃描條件或后處理方法間的差異。

總之，在常規(guī)腹部掃描條件下，未經(jīng)過平滑預(yù)處理時(shí)共生矩陣分析更適合在不同 CT機(jī)型間推廣應(yīng)用。經(jīng)過平滑預(yù)處理后，偏度、自相關(guān)和能量特征更適合在不同CT機(jī)型間推廣應(yīng)用。在臨床實(shí)踐中，雖然存在諸多具有潛在臨床價(jià)值的紋理分析特征參數(shù)，但需要對(duì)其臨床推廣應(yīng)用價(jià)值進(jìn)行評(píng)估。

[1]Raman SP, Chen Y, Schroeder JL, et al. CT texture analysis of renal masses: pilot study using random forest classification for prediction of pathology. Acad Radiol, 2014,21(12): 1587-1596.

[2]Huang YQ, Liang CH, He L, et al. Development and validation of a radiomics nomogram for preoperative prediction of lymph node metastasis in colorectal cancer. J Clin Oncol, 2016, 34(18): 2157-2164.

[3]Mazurowski MA, Zhang J, Grimm LJ, et al. Radiogenomic analysis of breast cancer: luminal B molecular subtype is associated with enhancement dynamics at MR imaging.Radiology, 2014, 273(2): 365-372.

[4]Mackin D, Fave X, Zhang L, et al. Measuring computed tomography scanner variability of radiomics features. Invest Radiol, 2015, 50(11): 757-765.

[5]Yang J, Zhang L, Fave XJ, et al. Uncertainty analysis of quantitative imaging features extracted from contrastenhanced CT in lung tumors. Comput Med Imaging Graph,2016, 48: 1-8.

[6]Zhang L, Fried DV, Fave XJ, et al. IBEX: an open infrastructure software platform to facilitate collaborative work in radiomics. Med Phys, 2015, 42(3): 1341-1353.

[7]遲淑萍. CT圖像紋理分析在鑒別良惡性肺結(jié)節(jié)中的價(jià)值.實(shí)用放射學(xué)雜志, 2016, 32(11): 1789-1792.

[8]苑麗紅, 付麗, 楊勇, 等. 灰度共生矩陣提取紋理特征的實(shí)驗(yàn)結(jié)果分析. 計(jì)算機(jī)應(yīng)用, 2009, 29(4): 1018-1021.

[9]Gerlinger M, Rowan AJ, Horswell S, et al. Intratumor heterogeneity and branched evolution revealed by multiregion sequencing. N Engl J Med, 2012, 366(10): 883-892.

[10]劉慧, 王小宜, 龍學(xué)穎. 基于 CT圖像紋理分析腫瘤異質(zhì)性的研究進(jìn)展及應(yīng)用. 國(guó)際醫(yī)學(xué)放射學(xué)雜志, 2016, 39(5):543-548.

[11]Yasaka K, Akai H, Mackin D, et al. Precision of quantitative computed tomography texture analysis using image filtering:a phantom study for scanner variability. Medicine(Baltimore), 2017, 96(21): e6993.

[12]Hatt M, Tixier F, Pierce L, et al. Characterization of PET/CT images using texture analysis: the past, the presenta…any future. Eur J Nucl Med Mol Imaging, 2017, 44(1): 151-165.

[13]Rangayyan RM, Nguyen TM, Ayres FJ, et al. Effect of pixel resolution on texture features of breast masses in mammograms. J Digit Imaging, 2010, 23(5): 547-553.

[14]黃燕琪, 馬澤蘭, 何蘭, 等. 基于 CT圖像的紋理分析鑒別肝臟實(shí)質(zhì)局灶性病變. 中國(guó)醫(yī)學(xué)影像學(xué)雜志, 2016,24(4): 289-292.

[15]顏智敏, 馮智超, 曹鵬, 等. 多層螺旋 CT圖像紋理分析對(duì)直腸癌轉(zhuǎn)移性淋巴結(jié)的診斷價(jià)值. 中華放射學(xué)雜志,2017, 51(6): 432-436.

[16]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.

[17]Lu L, Ehmke RC, Schwartz LH, et al. Assessing agreement between radiomic features computed for multiple CT imaging settings. PLoS One, 2016, 11(12): e0166550.