胡征宇 沈起鈞 馮湛 張亮 萬國仕 陳足廷 胡曉杰 羅超群 趙奮華

CT紋理分析在量化胰腺囊腺瘤影像表型中的診斷價值

胡征宇 沈起鈞 馮湛 張亮 萬國仕 陳足廷 胡曉杰 羅超群 趙奮華

目的通過CT紋理分析量化胰腺囊腺瘤特殊的影像紋理，為胰腺囊性腫瘤的鑒別診斷提供客觀的影像學依據。方法回顧性分析2009年1月至2016年12月間浙江大學附屬第一醫(yī)院放射科及杭州市第一人民醫(yī)院放射科經病理證實的胰腺漿液性囊腺瘤48例和黏液性囊性腫瘤34例患者的胰腺增強CT圖像。在增強CT掃描實質期5個斷層圖上根據腫瘤邊界描畫出感興趣區(qū)域。從紋理細膩(σ=1.0)到紋理粗糙(σ=2.5)獲得平均灰度強度、像素分布的方差、熵值、偏度和峰度等參數。對有統(tǒng)計學意義的紋理參數繪制受試者操作特征(ROC)曲線，計算ROC曲線下面積(AUC)及診斷敏感性、特異性。對高、低年資醫(yī)師用傳統(tǒng)CT征象分析方法診斷的準確性進行比較。結果2名放射科醫(yī)師間測量信度系數為0.809～0.997，一致性非常高。與黏液性囊性腫瘤比較，漿液性囊腺瘤不同濾值時的偏度、濾值為2.5時的方差(5.93±9.02比1.29±0.62)、熵值(2.39±0.61比2.02±0.39)、峰度(30.18±42.55比8.80±4.34)差異均有統(tǒng)計學意義(P值均<0.05)，而其他值之間的差異均無統(tǒng)計學意義。有差異的參數診斷兩類囊性腫瘤的AUC介于0.56～0.84之間。低年資醫(yī)師和高年資醫(yī)師用傳統(tǒng)CT征象分析方法診斷的準確性分別為60%和71%。結論CT紋理分析不僅能有效地量化胰腺囊腺瘤的異質性，而且在鑒別診斷中也能發(fā)揮有效的作用。

胰腺； 囊腺瘤，漿液； 囊腺瘤，黏液； 圖像處理，計算機輔助； 體層攝影術，螺旋計算機

Fundprogram：Zhejiang Provincial Medical Science and Technology Research Fund(2017KY051)；Hangzhou Agricultural and Social Development Research Project(164519)

CT紋理分析是一種評估醫(yī)學圖像中病變異質性的工具，通過將CT圖像中抽象紋理結構特征進行量化與標準化，發(fā)現人們肉眼所不能發(fā)現的圖像細節(jié)信息。這種定量技術不僅能預測患者的療效和預后[1-2]，而且還應用于鑒別腫瘤的類型[3-5]。胰腺囊腺瘤分為漿液性和黏液性兩種。漿液性囊腺瘤是胰腺的良性腫瘤，僅在有癥狀時才進行手術切除[6-7]，而黏液性囊腺瘤則不同，具有潛在惡性特征，即使沒有癥狀也應手術切除[8]。傳統(tǒng)的CT定量分析[9-10]并不能對兩者的鑒別診斷提供可靠的客觀依據，主要依靠影像科醫(yī)師長期閱片形成的主觀性、經驗性信息。本研究通過CT紋理分析方法以客觀量化胰腺囊腺瘤特殊的影像紋理，為胰腺囊性腫瘤的鑒別提供一種非侵入性的影像學定量標準。

資料與方法

一、一般資料

回顧性分析2009年1月至2016年12月間浙江大學附屬第一醫(yī)院放射科和杭州市第一人民醫(yī)院放射科經手術病理證實的胰腺漿液性囊腺瘤48例和黏液性囊性腫瘤34例患者的胰腺對比增強CT數據。納入標準：(1)所有患者術前在同一CT機上使用同一掃描序列行胰腺增強三期CT掃描，包括平掃、實質期和門靜脈期；(2)病灶在CT軸位圖像上至少能顯示7個層面；(3)所有手術切除標本、經皮穿刺或超聲內鏡細針穿刺抽吸物均經細胞學或病理學檢查證實；(4)CT掃描前未行放、化療等治療。排除標準：碘對比劑過敏或腎功能嚴重不全者。

48例漿液性囊腺瘤中男性9例，女性39例，年齡30～80歲，平均(54±12)歲，腫瘤最大橫徑2.3～10.5 cm，平均(4.1±9. 9)cm；34例黏液性囊性腫瘤中男性4例，女性30例，年齡29～69，平均(46±11)歲，腫瘤最大橫徑2.5～11.5 cm，平均(4.4±1.6)cm?；颊甙Y狀包括腹痛、腹脹、上腹不適等，部分患者無明顯癥狀。本研究通過醫(yī)院倫理委員會批準，患者或家屬均簽署知情同意書。

二、影像學檢查方法

采用東芝16層螺旋CT或西門子16層螺旋CT(管電壓120 kV，管電流150～350 mA)以胰腺標準掃描方案采集圖像。掃描方案：平掃，掃描范圍從膈頂至髂嵴，層厚5 mm；實質期(動脈晚期)，延遲35 s，掃描范圍從腹腔干上方1 cm至十二指腸第3段，若平掃圖像腫瘤上下徑超過此范圍，需擴大范圍掃描，包含整個腫瘤，層厚3 mm；門靜脈期，延遲60 s，掃描范圍同平掃，層厚5 mm。使用非離子型對比劑(歐乃派克或優(yōu)維顯，碘含量350或370 mg/ml)經外周靜脈注入，注射速率為3～5 ml/s，劑量為80～100 ml。掃描前采用清水(750～1 000 ml)作為口服對比劑充盈胃腔和十二指腸腔。

三、影像分析

由1名低年資放射科住院醫(yī)師和1名具有15年以上腹部CT診斷經驗的放射科副主任醫(yī)師分別采用雙盲法進行閱片。取實質期5個層面圖像，以腫瘤最大徑層面為中心層面，再上下各取連續(xù)2個層面。手動勾畫病灶的邊界作為感興趣區(qū)(region of interest，ROI)，提取ROI內數據行CT紋理分析(圖1、2)。同時根據傳統(tǒng)CT征象分析方法進行診斷。

圖1 胰腺黏液性囊性腫瘤的實質期細膩過濾(1A)和粗糙過濾(1B)CT圖

圖2 胰腺漿液性囊性腫瘤的實質期細膩過濾(2A)和粗糙過濾(2B)CT圖

四、紋理分析

紋理分析的數據處理基于MATLAB(版本號R2013b)，步驟與計算方法與已發(fā)表的部分CT紋理分析研究基本一致[1-5]。紋理分析包括過濾原始圖像和過濾后圖像紋理的量化兩個過程。圖像濾波使用高斯拉普拉斯算子的帶通濾波器，通過在1.0～2.5范圍內改變?yōu)V值(σ)來選擇不同的空間域范圍，濾值為1.0表示紋理細膩(過濾器寬度為4像素或1.2 mm)，濾值為2.5表示紋理粗糙(過濾器寬度為12像素或3.6 mm)。經過紋理和直方圖算法分析ROI內平均灰度強度、像素分布的方差、熵值、偏度和峰度等參數，每個參數測量3次，取均值。

五、統(tǒng)計學處理

使用R語言進行統(tǒng)計學分析。應用組內相關系數(intra-class correlation coefficient, ICC)評估兩名放射科醫(yī)師間各自測量的腫瘤ROI各項參數，觀察者間信度系數<0.4表示信度較差，>0.75表示信度良好，0.4～0.75之間表示信度中等；兩組囊腺瘤的紋理參數使用雙樣本t檢驗比較，P<0.05為差異有統(tǒng)計學意義。對有統(tǒng)計學意義的參數再繪制受試者工作特征(ROC)曲線，計算ROC曲線下面積(AUC)，確定診斷臨界值及鑒別診斷胰腺囊腺瘤的敏感性和特異性。同時采用約登指數對2名醫(yī)師傳統(tǒng)的CT征象分析方法診斷的準確性進行比較。

結 果

一、兩名醫(yī)師測量可信度比較

2名放射科醫(yī)師間測量信度系數為0.809～0.997，一致性非常高(表1)。

表1 低年資醫(yī)師與高年資醫(yī)師測量的紋理參數比較

二、漿液性囊腺瘤與黏液性囊性腫瘤的CT紋理參數比較及其診斷效能

漿液性囊腺瘤與黏液性囊性腫瘤在不同濾波濾值下測量的紋理參數見表2。兩類胰腺囊性腫瘤間未過濾及濾值為1.0、2.5時的偏度，濾值為2.5時的方差、熵值、峰度的差異均有統(tǒng)計學意義(P值均<0.05)，而其他值之間的差異均無統(tǒng)計學意義。上述具有統(tǒng)計學意義的6個紋理參數的AUC介于0.56～0.84之間，濾值為2.5時熵值的敏感性最高，方差的特異性最高(表3)。

三、不同年資的醫(yī)師用傳統(tǒng)CT征象分析方法診斷的準確性比較

低年資醫(yī)師診斷的約登指數、敏感性、特異性、準確性分別為0.18、58%、60%、60%；高年資醫(yī)師分別為0.44、68%、76%、71%。

討 論

既往對胰腺囊腺瘤的定量與半定量指標的研究結果不完全一致，甚至存在矛盾。Choi等[11]認為黏液性囊性腫瘤最大囊腔直徑一般>2 cm，但Cohen-Scali等[12]認為僅憑最大囊直徑很難作出鑒別診斷。Manfredi等[13]報道漿液性囊腺瘤和黏液性囊性腫瘤囊壁厚度平均值分別為2 mm和4 mm，事實上如此纖薄的囊壁非常容易受到容積效應和測量者誤差的影響。此外，病灶中心的星狀瘢痕及瘢痕鈣化被認為是漿液性囊腺瘤的特異性表現[14]，但該征象發(fā)生率僅20%左右[6]，診斷價值有限。Shah等[15]、Bassi等[16]的研究認為，胰腺囊性病灶囊壁的厚薄、囊壁的強化、病灶形態(tài)、病灶內分隔及鈣化灶的存在等無鑒別診斷價值，所以，需聯合多個相關指標才能提高診斷率。另外， CT圖像上明顯的異質性常常融入了光子的噪聲，掩蓋任何潛在的生物學上的不均勻性[17]，而LoG濾波能放大圖像特征并減少光子噪聲的影響，從而提高評估和量化病灶異質性的能力，因此CT紋理分析可提供更為真實反映病灶整體特征的定量參數。

參數漿液性囊腺瘤(48例)黏液性囊性腫瘤(34例)t值P值灰度強度 未過濾0．23±0．510．15±0．18-1．940．56 σ=1．00．24±0．530．16±0．19-2．020．55 σ=2．50．26±0．670．20±0．26-2．180．70方差 未過濾68．50±76．7432．37±17．89-0．590．70 σ=1．021．93±32．566．37±3．70-0．610．07 σ=2．55．93±9．021．29±0．62-0．390．04熵值 未過濾4．57±0．514．44±0．40-0．820．42 σ=1．03．46±0．523．24±0．43-1．400．44 σ=2．52．39±0．612．02±0．39-2．160．005偏度 未過濾-1．57±2．92-0．06±0．112．190．04 σ=1．0-2．06±3．56-0．09±0．272．350．03 σ=2．5-2．24±3．06-0．09±0．752．890．01峰度 未過濾32．15±63．523．73±1．21-1．900．07 σ=1．039．90±77．655．83±3．21-1．860．08 σ=2．530．18±42．558．80±4．34-2．120．04

表3 不同濾值時的6個參數診斷胰腺囊腺瘤的效能

本研究結果表明，CT紋理分析能客觀量化胰腺囊腺瘤的紋理特征，濾波后的方差、熵值、偏度以及峰度能較好地反映囊腺瘤的整體特征。熵值是紋理不規(guī)則度及混亂度的量化指標[1]，與黏液性囊性腫瘤相比，漿液性囊腺瘤顯示為更高的熵值，提示漿液性囊腺瘤具有更大的異質性。其原因可能是漿液性囊腺瘤在影像上均表現為大小不等的多發(fā)囊腔影，且數量眾多，囊內可見中央瘢痕樣結構以及分隔，含豐富的血管組織，因而在增強CT圖像上腫瘤間質表現為中等至明顯強化，且紋理特征的異質性大。黏液性囊性腫瘤通常表現為單發(fā)大囊或雖為多囊但囊腔數量遠少于漿液性囊腺瘤，其間質的血供也不如后者，因此紋理特征表現較為簡單，熵值也較低。方差也是與異質性呈正相關的量化指標[18-19]，漿液性腫瘤的方差明顯大于黏液性腫瘤。同樣，異質性更大的漿液性腫瘤在直方圖上亦具有更大的不對稱性和更高的峰值。本研究結果顯示，灰度平均值對兩類腫瘤的鑒別差異無統(tǒng)計學意義，與既往研究中的平均CT衰減值意義相同，即使進行了濾波處理，灰度平均值仍然無太大的鑒別意義。

通過對有統(tǒng)計意義參數的效能分析，在粗糙紋理下測得的方差、熵值和偏度對鑒別胰腺囊腺瘤有較好的診斷效能，且對于同一參數，如偏度，隨著粗糙度的增加，光子噪聲的影響減小，反映感興趣區(qū)域的真實異質性的能力增強，明顯提高了診斷準確性。而經濾波器放大圖像特征后，原本在未過濾圖像或細膩濾波后圖像中無統(tǒng)計學意義的參數出現了顯著差異，如方差、熵值和峰度，說明在不同濾波下紋理分析的優(yōu)勢所在。因本研究病例中含有個別實型和寡囊型漿液性囊腺瘤，因此給結果帶來一定的影響。

盡管傳統(tǒng)CT的定性和定量方法在一定程度上已經能大部分滿足臨床的需要，但是如果能深層次挖掘醫(yī)學圖像中的更為客觀的定量指標并得以驗證，可以為影像的標準化診斷添加更為有效的信息。本研究通過與傳統(tǒng)CT征象分析方法的比較，顯示CT紋理分析的診斷準確性絲毫不亞于前者，甚至在某些參數如粗糙紋理下的方差、熵值和偏度方面具有更高的診斷效能。然而低、高年資醫(yī)師由于診斷經驗不同，用傳統(tǒng)CT定量方法得出的診斷準確性差異非常大，而紋理分析方法無需豐富的臨床經驗，只需醫(yī)師描畫出腫瘤邊界，半自動化地分析腫瘤影像，就能夠出色地完成“放射組學”中特征提取與量化的核心任務，避免了其他經驗性的影像指標的判讀。

本研究亦存在一些不足之處，本研究為回顧性，樣本量不夠大，存在固有的局限性和無法預測性；研究只采用了兩組濾波數據，從結果來看，粗糙紋理分析的效果更好。是否增加其他濾波組及其他紋理參數來獲取更有效的數據有待于進一步研究；盡管測量數據時已盡可能排除容積效應的干擾，但在描畫腫瘤邊界時仍無法完全避免。因此，有待更多的對比研究進行驗證。

[1] Rao SX, Lambregts DM, Schnerr RS, et al. Whole-liver CT texture analysis in colorectal cancer: Does the presence of liver metastases affect the texture of the remaining liver?[J]. United European Gastroenterol J, 2014, 2(6): 530-538.DOI:10.1177/2050640614552463.

[2] Ganeshan B, Goh V, Mandeville HC, et al. Non-small cell lung cancer: histopathologic correlates for texture parameters at CT[J]. Radiology, 2013, 266(1): 326-336. DOI:10.1148/radiol.12112428.

[3] Ba-Ssalamah A, Muin D, Schernthaner R, et al. Texture-based classification of different gastric tumors at contrast-enhanced CT[J]. Eur J Radiol, 2013, 82(10): E537-E543. DOI:10.1016/j.ejrad.2013.06.024.

[4] Huang YL, Chen JH, Shen WC. Diagnosis of hepatic tumors with texture analysis in nonenhanced computed tomography images[J]. Acad Radiol, 2006, 13(6): 713-720. DOI:10.1016/j.acra.2005.07.014.

[5] Raman SP, Chen Y, Schroeder JL, et al. CT texture analysis of renal masses: pilot study using random forest classification for prediction of pathology[J]. Acad Radiol, 2014, 21(12): 1587-1596. DOI:10.1016/j.acra.2014.07.023.

[6] Curry CA, Eng J, Horton KM, et al. CT of primary cystic pancreatic neoplasms: can CT be used for patient triage and treatment?[J]. Am J Roentgenol, 2000, 175(1): 99-103. DOI:10.2214/ajr.175.1.1750099.

[7] Lal A, Bourtsos EP, DeFrias DV, et al. Microcystic adenoma of the pancreas: clinical, radiologic, and cytologic features[J]. Cancer, 2004, 102(5): 288-294.

[8] Zamboni G, Scarpa A, Bogina G, et al. Mucinous cystic tumors of the pancreas: clinicopathological features, prognosis, and relationship to other mucinous cystic tumors[J]. Am J Surg Pathol, 1999, 23(4): 410-422.

[9] Eisenhauer EA, Therasse P, Bogaerts J, et al. New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1)[J]. Eur J Cancer, 2009, 45(2): 228-247. DOI:10.1016/j.ejca.2008.10.026.

[10] Therasse P, Arbuck SG, Eisenhauer EA, et al. New guidelines to evaluate the response to treatment in solid tumors. European organization for research and treatment of cancer, national cancer institute of the united states, national cancer institute of Canada[J]. J Natl Cancer Inst, 2000, 92(3): 205-216.

[11] Choi JY, Kim MJ, Lee JY, et al. Typical and atypical manifestations of serous cystadenoma of the pancreas: imaging findings with pathologic correlation[J]. AJR Am J Roentgenol, 2009, 193(1): 136-142. DOI:10.2214/AJR.08.1309.

[12] Cohen-Scali F, Vilgrain V, Brancatelli G, et al. Discrimination of unilocular macrocystic serous cystadenoma from pancreatic pseudocyst and mucinous cystadenoma with CT: initial observations[J]. Radiology, 2003, 228(3): 727-733. DOI:10.1148/radiol.2283020973.

[13] Manfredi R, Ventriglia A, Mantovani W, et al. Mucinous cystic neoplasms and serous cystadenomas arising in the body-tail of the pancreas: MR imaging characterization[J]. Eur Radiol, 2015, 25(4): 940-949. DOI:10.1007/s00330-014-3493-2.

[14] Kim YH, Saini S, Sahani D, et al. Imaging diagnosis of cystic pancreatic lesions: pseudocyst versus nonpseudocyst[J]. Radiographics, 2005, 25(3): 671-685. DOI:10.1148/rg.253045104.

[15] Shah AA, Sainani NI, Kambadakone AR, et al. Predictive value of multi-detector computed tomography for accurate diagnosis of serous cystadenoma: radiologic-pathologic correlation[J]. World J Gastroenterol, 2009, 15(22): 2739-2747.

[16] Bassi C, Salvia R, Molinari E, et al. Management of 100 consecutive cases of pancreatic serous cystadenoma: wait for symptoms and see at imaging or vice versa?[J]. World J Surg, 2003, 27(3): 319-323.DOI:10.1007/s00268-002-6570-7.

[17] Ganeshan B, Miles KA. Quantifying tumour heterogeneity with CT[J]. Cancer Imaging, 2013, 13: 140-149. DOI:10.1102/1470-7330.2013.0015.

[18] Barras CD, Tress BM, Christensen S, et al. Quantitative CT Densitometry for Predicting Intracerebral Hemorrhage Growth[J]. Am J Neuroradiol, 1900, 34(6): 1139-1144.

[19] Connor D, Huynh TJ, Demchuk AM, et al. Swirls and spots: relationship between qualitative and quantitative hematoma heterogeneity, hematoma expansion, and the spot sign[J]. Neurovascular Imaging, 2015, 1(1): 1-8.

(本文編輯：呂芳萍)

DiagnosticvalueofCTtextureanalysisinthequantificationofradiologicalphenotypeforpancreaticcystadenoma

HuZhengyu,ShenQijun,FengZhan,ZhangLiang,WanGuoshi,ChenZuting,HuXiaojie,LuoChaoqun,ZhaoFenhua.

DepartmentofRadiology,SecondPeople′sHospitalofYuhangDistrict,Hangzhou311121,China

Correspondingauthor:ShenQijun,Email:Shenqijun80@163.com

ObjectiveTo provide objective parameters for differentiating pancreatic cystic tumors via using computed tomography texture analysis (CTTA) to quantify the special imaging features of pancreatic cystadenomas.MethodsEnhanced CT images of pancreas from patients who were admitted in Department of Radiology in First Hospital affiliated with Zhejiang University and First People′s Hospital of Hangzhou City and pathologically diagnosed as pancreatic serous cystadenomas (n=48) and mucinous cystadenomas (n=34) from January 2009 to December 2016 were retrospectively analyzed. Regions of interest were drawn on the parenchymal phase CT images in 5 slices according to the border of the tumors. Mean grey level intensity (M), variance (V), entropy (E), skewness (Ske) and kurtosis (Kur) were obtained from fine texture (σ=1.0) to coarse texture (σ=2.5). Receiver operating characteristic (ROC) curve for texture parameters with statistically difference was drawn, and the area under curve (AUC), diagnostic sensitivity and specificity were calculated. The diagnostic accuracy of senior and junior doctors was compared with the traditional CT analysis method.ResultsReliability coefficient of the two radiologists was 0.809～0.997 with high consistency. Compared with mucinous cystic tumors, serous cystadenomas had a significantly different V (5.93±9.02vs1.29±0.62), E (2.39±0.61vs2.02±0.39) and Kur(30.18±42.55vs8.80±4.34) in Ske0 of 2.5 (P<0.05), and there were no statistically significant differences on other parameters. The AUC of differential parameters for diagnosing two kinds of cystic tumors ranged from 0.56 to 0.84.The diagnostic accuracy of the traditional CT analysis method by junior doctor and senior radiologist was 60% and 71%, respectively.ConclusionsCTTA can not only effectively quantify the heterogeneity of pancreatic cystadenomas, but also is effective in the differentiation.

Pancreas; Cystadenoma, serous; Cystadenoma, mucinous; Image processing, computer-assisted; Tomography, spiral computed

10.3760/cma.j.issn.1674-1935.2017.05.010

311121 杭州，余杭區(qū)第二人民醫(yī)院放射科(胡征宇、萬國仕、陳足廷、胡曉杰、羅超群)；杭州市第一人民醫(yī)院放射科(沈起鈞)；浙江大學附屬第一醫(yī)院放射科(馮湛)；浙江省腫瘤醫(yī)院放射科(張亮)；東陽市人民醫(yī)院放射科(趙奮華)

沈起鈞，Email：shenqijun80@163.com

浙江省醫(yī)藥衛(wèi)生科技科研基金項目(2017KY051)；杭州市農業(yè)與社會發(fā)展科研項目(164519)

2017-04-05)