陳文靜 馬 財 徐 蕊 張文馨 燕桂新*

紋理分析在以往研究中多應(yīng)用于肺結(jié)節(jié)的良惡性鑒別診斷，近年來隨著磁共振成像(magnetic resonance imaging，MRI)技術(shù)的進(jìn)步，研究人員開始將其逐漸應(yīng)用于乳腺結(jié)節(jié)磁共振圖像中。乳腺MRI與紋理分析相結(jié)合，通過計算機對圖像特征參數(shù)的提取，定量分析乳腺腫瘤的異質(zhì)性，可提高乳腺良惡性鑒別診斷的準(zhǔn)確性[1-2]。乳腺磁共振檢查序列較多，為了探討不同序列結(jié)合紋理診斷有無差異性，本研究將著重研究各序列紋理分析的優(yōu)勢。

1 資料與方法

1.1 一般資料

收集2014年11月至2017年8月新疆兵團六師醫(yī)院手術(shù)病理證實的62例乳腺結(jié)節(jié)患者，其均為女性，多在體檢或自捫中發(fā)現(xiàn)乳腺腫塊；年齡24～68歲，平均年齡(49.6±10.98)歲；共檢出病灶67個，直徑4～38 mm，平均直徑(14±8.06)mm；經(jīng)手術(shù)病理證實，良性病灶25個，其中囊性增生5個，纖維腺瘤15個，乳頭狀瘤2個，乳腺增生2個，乳腺腺病并導(dǎo)管擴張1個；惡性病灶37個，其中導(dǎo)管內(nèi)癌1個，浸潤性導(dǎo)管癌36個。

1.2 納入與排除標(biāo)準(zhǔn)

(1)納入標(biāo)準(zhǔn):①乳腺MRI增強檢查有結(jié)節(jié)性病灶；②病灶在各檢查序列均能夠顯示，可以完成紋理分析；③病灶均有病理結(jié)果。

(2)排除標(biāo)準(zhǔn):①僅完成乳腺MRI平掃結(jié)節(jié)；②乳腺癌術(shù)后瘢痕病例；③乳腺炎性結(jié)節(jié)。

1.3 儀器設(shè)備

采用1.5T超導(dǎo)MRI(德國西門子公司Avanto 1.5T)，專用8通道乳腺線圈。

1.4 檢查方法

檢查時患者取俯臥位，雙側(cè)乳腺自然懸垂并適當(dāng)固定于線圈之中。掃描順序為:①橫斷面快速自旋回波T1加權(quán)成像(T1WI)掃描；②橫斷面T2WI脂肪抑制序列；③橫斷面DWI掃描彌散敏感系數(shù)(apparent diffusion coefficient，ADC)b值取50 s/mm2和800 s/mm2；④T1壓脂動態(tài)增強掃1+6期薄層掃描，每期掃描時間60 s，掃描層數(shù)104層，層厚為1.5 mm，第1次為不注藥蒙片，結(jié)束后注射造影劑(釓噴酸葡胺15 ml并推注鹽水20 ml進(jìn)行沖洗)，再連續(xù)掃描6次；⑤進(jìn)行延時掃描和腋窩淋巴結(jié)掃描。

掃描完成后將薄層圖像傳入專用西門子后處理工作站，圖像后處理包括多平面重建(multiplanar reformation，MPR)、時間-信號強度曲線(timesignal intensity curve，TIC)、ADC值的測量等。

1.5 圖像分析及評價標(biāo)準(zhǔn)

(1)圖像分析。由2名有乳腺疾病診斷經(jīng)驗的放射科主治醫(yī)師各自在不知病理結(jié)果的前提下對圖像進(jìn)行回顧性分析，根據(jù)病灶的MR圖像表現(xiàn)，運用DWI、動態(tài)增強技術(shù)、結(jié)合TIC做出診斷，并給出BI-RADS分級。若定性數(shù)據(jù)出現(xiàn)不一致，由2人協(xié)商，達(dá)成一致后記錄數(shù)據(jù)資料。以2003年的BI-RADS分級指標(biāo)為主要指標(biāo)，將病變分為5級，Ⅰ～Ⅳa級視為診斷良性，Ⅳb～Ⅴ級視為診斷惡性[3]。

(2)結(jié)節(jié)量化。在磁共振后處理工作站上，用蛇形曲線對每個序列結(jié)節(jié)進(jìn)行鉤畫，剪除背景，選出單純結(jié)節(jié)圖像，序列包括T2WI壓脂、b50、b800、ADC、增強2 min T1WI壓脂序列(T1)、增強2 min T1WI壓脂剪影(T1-SUB)、增強延時7 min T1WI壓脂序列(T1-DEL)。除常用的核磁圖像的灰度值和結(jié)節(jié)體積外，從勾畫的結(jié)節(jié)中提取了63個紋理特征，包括一階統(tǒng)計紋理特征、二階統(tǒng)計紋理特征和高階統(tǒng)計紋理特征。其中一階統(tǒng)計紋理特征根據(jù)腫瘤區(qū)域內(nèi)的灰度直方圖計算全局紋理特征；二階紋理特征一般基于灰度共生矩陣(gray level co-occurrence matrix，GLCM)得到，高階紋理特征則是基于GLCM、灰度區(qū)域矩陣(gray level size zone matrix，GLSZM)、灰度游程矩陣(run length matrix，RLM)，鄰域灰度差分矩陣(neighborhood gray level difference matrix，NGLDM)、紋理譜(texture spectrum，TS)和基于體素特征(voxel features，VF)6個矩陣的特征，通?？梢苑从尘植繀^(qū)域內(nèi)的異質(zhì)性[4]。

1.6 統(tǒng)計學(xué)方法

采用SPSS 17.0統(tǒng)計軟件對數(shù)據(jù)進(jìn)行分析，首先對所有特征進(jìn)行受試者工作特征(receiver operating characteristic，ROC)曲線分析，借助ROC曲線下面積(area under curve，AUC)值，挑選出不同序列AUC值最大的前3位紋理特征參數(shù)，觀察其屬于何種二級紋理矩陣。

2 結(jié)果

2.1 不同序列AUC值的比較

(1)ROC曲線診斷乳腺結(jié)節(jié)良性與惡性，AUC值由大至小依次為:T1-SUB＞T1-DEL＞T1WI＞b值50 s/mm2＞800 s/mm2＞T2WI壓脂＞ADC值，增強掃描(如圖1所示)。

圖1 T1WI壓脂增強序列左乳強化結(jié)節(jié)蛇形曲線勾畫提取MRI圖像

表2 平掃T2WI壓脂及彌散功能成像各紋理特征參數(shù)AUC值前3位數(shù)據(jù)

(2)紋理特征表現(xiàn)較為良好的為RLM紋理頻譜中心對稱性(R-central symmetry)、灰度游程長不均勻(run length nonuniformity，RLN)、高灰度級重點運行度(high gray-level run emphasis，HGRE)，均屬于灰度游程矩陣。灰度游程矩陣(run length matrix，RLM)所述紋理特征參數(shù)均簡寫為R-，增強2 min及7 min紋理特征曲線下面積較大的前3位均屬于灰度游程矩陣(見表1)。

表1 增強掃描2 min及7 min后3個序列各紋理特征參數(shù)AUC值

2.2 平掃序列紋理特征參數(shù)的對比

T2WI壓脂序列紋理特征在灰度區(qū)域矩陣的幾個紋理參數(shù)為HGRE、高灰度級重點運行長度(long run high gray level emphasis，LRHGE)、方向性(degree of direction，DD)的AUC值較大；彌散功能成像b值50 s/mm2、800 s/mm2、ADC在紋理譜和灰度共生矩陣分析意義更大，見表2，如圖2所示。

3 討論

圖2 T2WI壓脂及低b值彌散序列左乳高信號結(jié)節(jié)蛇形曲線圖像

磁共振序列較多，各序列圖像相互結(jié)合全面分析才能正確診斷，那種序列結(jié)合紋理分析診斷價值更高，有文獻(xiàn)報道動態(tài)增強2 min紋理特征對比顯著[5]。本研究結(jié)果顯示，結(jié)合紋理分析增強2 min掃描及延時7 min掃描較平掃T2WI壓脂及彌散功能成像良惡性結(jié)節(jié)特征顯著，尤其以動態(tài)增強2 min的T1WI剪影圖像紋理分析AUC值最大，其次為T1WI延時7 min序列，這與乳腺結(jié)節(jié)供血系統(tǒng)有關(guān)，腫瘤較正常組織有更多的新生血管，且這些血管通透性高，增強掃描借助造影劑可提高不同組織間的對比度，對比劑流經(jīng)惡性腫瘤時表現(xiàn)為快速流入，2 min左右達(dá)到高峰，后呈快速流出的趨勢，良性病變及正常組織由于血供相對于惡性少，對比劑緩慢也可見快速流入，但流出時表現(xiàn)為信號強度或居高不下或持續(xù)上升，良惡性結(jié)節(jié)在增強2 min左右及延時掃描時期病灶內(nèi)部特征改變對比差異較大，紋理參數(shù)診斷價值較高[6-7]。

紋理特征參數(shù)在各個序列中表現(xiàn)不盡相同，本研究中灰度共生矩陣、灰度區(qū)域矩陣、灰度游程矩陣、鄰域灰度差分矩陣、紋理譜以及基于體素6個二級矩陣中，灰度游程矩陣所述的紋理特征在各個序列曲線下面積表現(xiàn)較為顯著，以HGR、CS在各增強序列中AUC值較大；灰度游程矩陣是指在某一方向上，同等灰度及長度的灰度串出現(xiàn)的總次數(shù)，可以獲得紋理特征的度量，該方法不但能有效刻畫鄰域內(nèi)像素點灰度的變化，而且能很好的描述圖像的粗糙程度，即在一定程度上反映了圖像的對比度[8]。乳腺惡性結(jié)節(jié)血供豐富，生長迅速致病灶內(nèi)部異形性大，增強后病灶內(nèi)部不同成分強化對比顯著，致圖像紋理粗糙度改變大，圖像越粗糙，紋理特征數(shù)值越大，因此較其他矩陣計算紋理診斷的價值更大；其他二級矩陣雖然沒有灰度游程矩陣AUC值大，但在部分序列中表現(xiàn)良好，如T2WI壓脂序列中灰度區(qū)域矩陣顯示較好，灰度區(qū)域矩陣用于描述圖像亮度的均勻程度，亮度越均勻，紋理參數(shù)越小，越不均勻，紋理參數(shù)越大[9-10]。

本研究中磁共振T2WI脂肪和水都是高信號，T2WI壓脂序列是抑制脂肪信號而凸顯水信號，惡性腫瘤血供豐富，病灶整體含水量增加。在T2WI壓脂像一般呈稍高和(或)高信號，但信號不均勻，良性病變?nèi)缒倚圆≡畛拭髁粮咝盘枺盘柧鶆?，灰度區(qū)域矩陣紋理特征參數(shù)可準(zhǔn)確將其區(qū)分；以灰度區(qū)域矩陣中的HGRE特征參數(shù)AUC值最大，纖維瘤根據(jù)病灶內(nèi)纖維成分的多少可為高信號病變內(nèi)低信號纖維分隔，可為稍高和(或)稍低信號，信號欠均勻，灰度區(qū)域矩陣對其診斷準(zhǔn)確性欠佳。本研究中15個纖維瘤，灰度區(qū)域矩陣紋理特征參數(shù)診斷正確11個，準(zhǔn)確率為73.33%。高b值彌散和ADC值紋理譜和灰度共生矩陣分析意義更大；紋理譜是所有紋理單元的出現(xiàn)頻率，一個紋理單元描述了一個像素的局部紋理特征，而對于整幅圖像中不同紋理單元的分布情況的統(tǒng)計則可顯示出圖像總體的紋理信息，灰度共生矩陣是研究圖像空間中相隔某距離的兩像素之間灰度關(guān)系的相關(guān)性[11-13]。彌散及ADC值因為圖像信噪比大，分辨率不高，但能充分表現(xiàn)結(jié)節(jié)內(nèi)部的異質(zhì)性，尤其是高b值彌散，紋理譜及灰度共生矩陣能更為充分體現(xiàn)其信號特點[10]。

不同紋理矩陣分析病灶圖像信息的側(cè)重點不同，可根據(jù)各序列不同的成像原理，尋找與之相適合的紋理矩陣，這樣紋理分析才能成為MRI檢查的有效補充手段，為臨床提供更高的輔助診斷價值。