徐志華，楊光釗，陳松寬，王 健，邵美華，賈玉柱

（浙江省立同德醫(yī)院放射科，浙江 杭州 310012）

孤立性肺實性結節(jié)是臨床日常工作常見疾病之一。早期準確定性對臨床診療、預后評估等具有重要的臨床意義。隨著肺結節(jié)人工智能應用，一方面提高了肺結節(jié)檢出率，另一方面利用計算機輔助診斷肺結節(jié)進行定性診斷成為可能[1]。以往主要通過高分辨CT檢查影像征象進行分析，鑒別肺結節(jié)良惡性[2-4]，但由于存在重疊的影像征象，從而僅憑影像征象的觀察鑒別良惡性存在一定的困難。紋理分析通過綜合分析圖像的灰階、素值、及其排列方式的細微變化來提取圖像中組織細微病變特征，可得到肉眼無法識別的圖像信息，被稱為圖像顯微鏡[5]。為此，本研究擬探討高分辨率CT圖像紋理分析對孤立性肺實性結節(jié)的良惡性鑒別診斷的價值，為肺結節(jié)人工智能肺結節(jié)定性診斷尋找新的方法。

1 資料與方法

1.1 一般資料

搜集我院2017年1月—2018年12月經組織病理學證實的98例孤立性肺實性結節(jié)患者臨床及影像資料。男50例，女48例，年齡（65.32±12.05）歲。入選標準：①肺結節(jié)性質經手術或穿刺活檢組織病理學證實；②穿刺活檢或手術前1周內行高分辨率CT檢查，且圖像完整；③結節(jié)直徑≤30 mm；④未見淋巴結或其他遠處轉移。排除標準：①圖像質量不佳（比如呼吸不配合患者），不能滿足紋理分析要求；②磨玻璃密度結節(jié)。

1.2 CT檢查方法

所有患者均使用美國GE Optima CT680掃描儀行高分辨CT掃描，掃描參數(shù)：120 kV，35 mAs，螺距1.2，視野320 mm×320 mm，采集矩陣512×512，重建層厚1.25 mm。

1.3 圖像分析

首先，選取肺結節(jié)最大截面（窗寬1600，窗位-400）圖像以BMP格式從PACS工作站導出。然后，應用Mazda軟件 （The Technical University of Lodz，Institute of Electronics，http://www.eletel.p.lodz.pl/mazda/）分析所選擇圖像。分析過程（圖1）：①沿病灶輪廓手動勾畫感興趣區(qū)域（Region of interests，ROI）；②計算分析ROI紋理參數(shù)特征，包含灰度共生矩陣（角矩、二階矩、對比度、自相關、方差和、逆差矩、平方和、方差和、熵和、熵、逆差矩、熵差），絕對梯度（梯度均數(shù)、方差、偏度、峰度、非零位），游程檢驗（游程長不均勻性、灰階不均勻性、長游程權重、短游程權重、游程中的圖像分數(shù)）等；③由于Mazda提取的紋理參數(shù)較多，分別采用Fisher系數(shù)、交互信息、分類錯誤概率組合平均相關系數(shù)法自動選擇出10個，以及3種方法聯(lián)合（FPM法）選擇30個對鑒別診斷實性肺結節(jié)良惡性具有代表意義的特征參數(shù)；④應用Mazda軟件自帶B11統(tǒng)計軟件包進行分類判別，計算紋理參數(shù)特征診斷實性肺結節(jié)良惡性效能，以錯判率表示。

同時，由2名中級職稱胸部影像醫(yī)師在未知病理結果的情況下閱讀入選病例圖像，主要觀察征象[3-4]：結節(jié)是否存在分葉、短毛刺、胸膜凹陷、空泡征、支氣管血管集束征、棘突征等，至少其中2項為陽性定為惡性；對于僅1項陽性患者，如存在長毛刺、衛(wèi)星灶、鈣化等定為良性病變，否則定為惡性病變；其余定為良性病變。如有異議，與1名高級職稱胸部影像醫(yī)師討論、協(xié)商取得一致意見。以病理結果作為金標準，計算出胸部影像醫(yī)師診斷的誤判率，并與紋理分析技術所得診斷誤判率進行對比分析。

1.4 統(tǒng)計學分析

應用Mazda軟件自帶B11統(tǒng)計軟件包，對自動選擇出紋理特征參數(shù)進行分類判別，分類判別方法包含線性判別分析、非線性判別分析（Nonlinear discriminant analysis，NDA）、原始數(shù)據(jù)分析、主要成分分析，結果以錯判率表述（%）。

使用SPSS 20.0統(tǒng)計軟件，紋理分析與胸部影像醫(yī)師對實性肺結節(jié)診斷誤判率對比分析采用卡方檢驗，P＜0.05為差異具有統(tǒng)計學意義。

2 結果

98例孤立性肺結節(jié)大小（2.3±0.6）cm，其中右肺上葉19例，右肺中葉17例，右肺下葉21例，左肺上葉15例及左肺下葉26例。良性肺結節(jié)37例，其中錯構瘤3例，結核5例，隱球菌病4例，硬化性肺泡細胞瘤4例，21例肉芽腫性炎；惡性肺結節(jié)61例，腺癌34例，鱗癌9例，類癌4例，小細胞肺癌4例，淋巴瘤1例，轉移性癌9例。

圖1 紋理分析過程示意圖。圖1a：先勾畫感興趣區(qū)域，然后點擊分析（analysis），得出圖1b所示紋理參數(shù)特征。下一步點擊Feature selection（圖1b）獲取具有代表性紋理參數(shù)。圖1c示自帶軟件包b11進行分類判別（LDA、NDA、RDA、PCA)，獲取錯判率，圖例示NDA分類判別誤判率為6.12%（6/98）。Figure 1.The procedure of texture analysis.Figure 1a:The region of interests was drawn,and then the texture parameters were analyzed.Moreover,selection of typical texture parameters was shown in Figure 1b.Finally,classification of the typical texture parameters.Figure 1c:Linear discriminant analysis,nonlinear discriminant analysis,and raw data analysis was performed by software b11 and the results were presented with the misclassification rate.Figure 1c showed the misclassification rate was 6.12%(6/98).

表1 實性肺結節(jié)HRCT基本征象檢出率對比分析

孤立性肺結節(jié)高分辨率CT基本征象對比分析見表1，分葉、短毛刺、胸膜凹陷、空泡征、支氣管血管集束征、棘突征有利于診斷惡性病變（P<0.05）；長毛刺、衛(wèi)星灶、鈣化有利診斷良性病變（P<0.05）。依據(jù)基本征象，本研究胸部影像醫(yī)師鑒別孤立性肺實性結節(jié)良惡性錯判率為16.3%（16/98），其中1例類癌誤判為良性病變，6例腺癌誤判為炎性病變，9例炎性肉芽腫性或機化性肺炎病變誤判為癌性病變（圖2）。

高分辨率CT圖像紋理分析鑒別孤立性肺實性結節(jié)良惡性錯判率為6.1%～46.9%，見表2。應用FPM法提取特征性紋理參數(shù)并采用DNA分類判別方法孤立性肺實性結節(jié)良惡性時，錯判率為6.1%（6/98）。

胸部影像醫(yī)師與紋理分析（采用FPM法提取特征參數(shù)，NDA分類判別錯判率6.1%）鑒別孤立性肺實性結節(jié)良惡性的錯判率進行卡方檢驗進行對比分析，差異具有統(tǒng)計學意義（P=0.041）。

圖2 誤診病例。圖2a：右肺上葉結節(jié)，形態(tài)規(guī)則，邊緣光整，穿刺活檢前診斷為良性病變，病理證實為類癌。圖2b：左肺下葉結節(jié)，與胸膜寬基底相鄰，穿刺活檢前診斷為良性病變，病理證實為腺癌。圖2c：左肺上葉結節(jié)伴空泡，邊緣不光整毛糙、棘突，穿刺前診斷為肺癌，病理證實為肉芽腫性炎癥。圖2d：右肺上葉結節(jié)，邊緣不光整，可見長、短毛刺，棘突，穿刺活檢前診斷為肺癌，病理證實為機化性肺炎。Figure 2.Illustrations of misdiagnosed cases before biopsy.Figure 2a:A nodule in the right upper lobe with well-defined margin was diagnosed a benign lesion before biopsy,however,it was confirmed a carcinoid after biopsy.Figure 2b:A nodule in the left inferior lobe with clear margin and wide basement adjacent to pleura was diagnosed a benign lesion before biopsy,however,an adenocarcinoma was confirmed by histopathologic examination.Figure 2c:A nodule in the left upper lobe with ill-defined margin and cyst was diagnosed with a malignant lesion before biopsy,however,it was confirmed a granulomatous inflammation after biopsy.Figure 2d:A nodule in the right upper lobe with ill-defined margin and spiculation sign was diagnosed a malignant lesion before biopsy,however,it was confirmed an organized pneumonia after biopsy.

表2 紋理分析鑒別診斷實性肺結節(jié)良惡性錯判率

3 討論

孤立性肺實性結節(jié)的定性診斷對臨床下一步診療工作具有重要的指導意義。本研究顯示高分辨率CT圖像紋理分析采用FPM法提取特征參數(shù)，NDA分類判別診斷孤立性肺實性結節(jié)良惡性效能最佳，錯判率為6.1%，優(yōu)于胸部影像醫(yī)師單純依靠影像征象進行診斷。因此，我們認為高分辨率CT圖像紋理分析對孤立性肺實性結節(jié)具有重要的診斷價值，可作為一種新的輔助手段。

醫(yī)學圖像紋理分析主要通過分析ROI灰度共生矩陣、絕對梯度、游程檢驗等來定量分析圖像的素值，及其排列的細微變化，從而達到觀察肉眼無法識別或觀察的組織異質性的目的。任采月等[6]通過利用CT圖像紋理分析對胃腸間質瘤的危險度進行分級，具有較好的預測效能。Larroza等[7]利用紋理分析心臟磁共振圖像發(fā)現(xiàn)其可以鑒別急性與慢性心肌梗死。趙麗等[8]對增強MRI圖像進行紋理分析，研究發(fā)現(xiàn)增強MRI圖像多紋理參數(shù)聯(lián)合可在術前預測肝內膽管細胞癌術后早期復發(fā)情況。紋理分析逐漸被臨床廣泛應用，包括鑒別診斷、預后及療效評估等，為臨床決策提供了客觀依據(jù)。為此，本研究探討高分辨率CT圖像紋理分析對孤立性肺實性結節(jié)的診斷價值。

目前國內外學者認為圖像紋理分析可以提取病變微觀特征，反應組織的異質性，即反映不同的病理變化[9-10]。眾所周知，肺惡性腫瘤通常細胞增殖快，可見大量癌巢，由于血管生成因子的刺激，可誘導癌組織形成大量的新生血管，血管通透性高，發(fā)育不成熟，易發(fā)生粘液變、壞死等；肺良性腫瘤或腫瘤樣病變通常細胞增殖慢，以炎性肉芽組織為例，其病灶內多為大量的炎性細胞和纖維組織的聚集，血管多為正常肺部血管的炎性改變。本研究采用高分辨率CT掃描，可減少容積效應，真正更多地顯示病灶的細微結構。基于這些病理組織學的差異和高分辨率CT檢查的優(yōu)勢，CT圖像上必然存在一定差異。但是，這些細微的差異憑肉眼觀察卻難以鑒別。紋理分析是一種全局、微觀的圖像分析方法，可以從圖像灰階、像素、空間特征等多維度來分析，得出大量的紋理特征性參數(shù)；然后通過不同的計算方法得出鑒別孤立性肺實性結節(jié)的準確率。圖像紋理分析從微觀分析圖像之間的差異，反應不同組織間的差異[11-12]，從而可提取我們肉眼無法識別的特征。這也很好地詮釋了紋理分析能夠很好鑒別良惡性孤立性肺實性結節(jié)。

雖然目前有多篇報道總結了肺結節(jié)高分辨率CT通過多種影像征象（分葉、短毛刺、胸膜凹陷、空泡征、支氣管血管集束征、棘突征、長毛刺、衛(wèi)星灶、鈣化等）來鑒別診斷其良惡性，但是由于存在影像征象的重疊，錯判率約10%～17%[13-14]，與本組胸部影像醫(yī)師準確率相仿。也有研究結合PET-CT鑒別肺結節(jié)良惡性其準確率可達97%[14-15]，但是費用昂貴，并且得注射核素。本研究應用高分辨率CT圖像紋理分析鑒別孤立性肺實性結節(jié)良惡性效果優(yōu)于胸部影像醫(yī)師經驗性診斷。因此，我們認為高分辨率CT圖像紋理分析可作為鑒別孤立性肺實性結節(jié)良惡性的一種新方法。但是，由于本研究為單中心、相對小樣本量研究，可能結果會產生偏倚，未來需要大樣本多中心進一步研究。

綜上所述，高分辨率CT影像紋理分析診斷孤立性肺實性結節(jié)準確率高，為臨床鑒別診斷提供客觀依據(jù)，有助于指導臨床制定下一步治療方案。