劉 濤，胡 奎，張照喜，陳 浩，賀瑤瑤，廖 甜，李 寧，劉明飛，袁子龍

(湖北省腫瘤醫(yī)院放射科，湖北 武漢 430079)

影像組學通過高通量分析不同的定量影像特征，從而實現(xiàn)對疾病從定性診斷到定量診斷的轉(zhuǎn)變[1-2]。目前影像組學研究[3-5]主要集中在臨床應(yīng)用，如鑒別良惡性腫瘤等，也有部分針對組學特征的可重復(fù)性和穩(wěn)定性的研究[6-8]。對于CT掃描參數(shù)如管電流、層厚等對CT影像組學特征的影響已有深入研究[9-10]，但關(guān)于CT圖像體素大小對影像組學特征影響的研究較少，特別是對具備空間信息的特征，體素改變對其影響較大。本研究采用體模實驗，通過改變重建FOV和層厚來改變圖像體素大小，分析其對CT影像組學特征的影響。

1 材料與方法

1.1 儀器與方法 采用Siemens Definiation AS+64排CT掃描儀，以頭部掃描協(xié)議對美國體模實驗室Catphan 700體模(包含骨骼、軟組織、水、肺及脂肪5種密度)進行掃描，管電壓120 kV，自動管電流調(diào)節(jié)Care dose 4D技術(shù)，掃描FOV為350 mm×350 mm，層厚5 mm，層間隔5 mm，矩陣512×512。將原始數(shù)據(jù)重建2組圖像：第1組，固定FOV為250 mm×250 mm，重建層厚分別為1 mm、3 mm、5 mm、7 mm、10 mm，對應(yīng)的體素大小為0.24～2.38 mm3；第2組，固定層厚為3 mm，調(diào)節(jié)FOV大小分別為250 mm×250 mm、300 mm×300 mm、350 mm×350 mm、400 mm×400 mm、450 mm×450 mm，對應(yīng)體素大小為0.72～2.32 mm3。

1.2 影像組學特征計算 對2組重建體模圖像逐層進行手動勾畫，分別勾畫出代表骨骼(ROI 1)、軟組織(ROI 2)、水(ROI 3)、肺(ROI 4)及脂肪組織(ROI 5)的結(jié)構(gòu)，原則為盡可能大地包含目標結(jié)構(gòu)，但盡量不包含背景(圖1)。以3D slicer 軟件對每個ROI提取7類共計108個特征，包括形狀(shape)、一階(first order)、灰度相關(guān)矩陣(gray level dependence matrix, GLDM)、灰度游程矩陣(gray level run length matrix, GLRLM)、灰度共生矩陣(gray level co-occurrence matrix, GLCM)、灰度區(qū)域矩陣(gray level size zone matrix, GLSZM)及鄰域灰度差分矩陣(neighborhood gray-tone difference matrix, NGTDM)特征。

1.3 數(shù)據(jù)分析 采用Microsoft Excel 2016軟件，計算2組重建圖像特征值的平均值(μ)和標準差(σ)，獲得變異系數(shù)(coefficient of variation, CV)，CV=σ/μ×100%；并用Heml 1.0軟件繪制各特征變異度的熱圖，根據(jù)CV值大小不同，分別以不同顏色表示：紅色代表變異度非常小(CV≤5%)，黃色代表變異度較小(5%20%)[9]。

圖1 ROI勾畫示意圖 ROI 1～ROI 5分別代表骨骼、軟組織、水、肺及脂肪組織

2 結(jié)果

各組學特征變異度的熱圖見圖2。從整體上看，改變體素大小對形狀特征的影響較小(CV≤10%)，以紅色區(qū)域為主，而對其他6類特征中絕大部分的特征影響較大(CV>20%)，以藍色區(qū)域為主。

在形狀特征組中，絕大部分形態(tài)特征的變異度較小或非常小(黃色或紅色，CV均≤10%)，僅在不同重建層厚的部分特征中呈現(xiàn)中等變異度(綠色，10%

在GLDM特征組中，絕大部分特征的變異度較大(藍色，CV>20%)，且重建層厚及FOV不同對于特征結(jié)果的影響差異不大，其中依賴熵(dependence entropy)在重建層厚及FOV組中變異度均較小或非常小(黃色或紅色，CV≤10%)。

對于一階特征，重建層厚對于特征結(jié)果的影響較FOV大，且大部分特征變異度較大(CV>20%)。

在GLRLM特征組中，絕大部分特征的變異度較大(CV>20%)，而其中短游程強調(diào)(short run emphasis)和游程熵(run entropy)的CV<10%。

在GLCM特征組中，重建層厚及FOV導(dǎo)致的體素改變對于特征結(jié)果的影響均較大，而其中反差矩歸一化(ldmn)及反差歸一化(ldn)的變異度非常小(CV均<2%)，反差矩(ldm)及反差(ld)的變異度也相對較小(CV均<8%)。

圖2 不同層厚和FOV組合下特征變異度熱圖

在GLSZM及NGTDM特征組中，絕大部分特征的變異度較大(CV均>20%)，而區(qū)域熵(zone entropy)CV<10%。

3 討論

影像組學是指高通量地從影像資料中提取出定量的影像特征，經(jīng)過特征篩選與數(shù)據(jù)分析建立模型，用于臨床決策支持、預(yù)測預(yù)后等[11]。影像組學特征的穩(wěn)定性決定著模型的可靠性，因此特征的穩(wěn)定性及魯棒性是影像組學的重要研究方向之一[12]。

在影像組學的實際應(yīng)用中，除了患者不同的基因表型導(dǎo)致特征多樣性外，圖像采集和重建過程中的各種因素，如管電壓[13]、重建參數(shù)[9,14]、管電流[10]及濾波函數(shù)[14-15]等也會對定量影像特征產(chǎn)生巨大影響。Saeedi等[13]對41個影像組學特征進行研究，結(jié)果表明48%的特征與管電壓值顯著相關(guān)，而27%的特征受管電流的影響，這是因為管電壓直接決定圖像質(zhì)量，不同管電壓產(chǎn)生的射線能譜不同而導(dǎo)致同種組織的CT值差異，從而造成特征改變；而管電流盡管在一定程度上影響圖像整體的信噪比，但其對組織的CT值影響較小，因而該參數(shù)對影像組學特征的影響不似管電壓顯著。同樣的結(jié)果亦見于Mackin等[10]的研究。

本研究通過調(diào)節(jié)重建圖像的FOV和層厚來改變體素的大小，以探討體素改變對影像組學特征的影響，結(jié)果表明，體素改變對絕大部分CT影像組學特征產(chǎn)生了顯著影響，其原因可能是許多特征的計算方式與圖像的灰度級和空間像素信息密切相關(guān)[16]，而體素是影響圖像空間特性的重要因素之一，因而會對部分特征產(chǎn)生顯著的影響。如GLRLM中的能量(energy)特征是各個體素灰度大小的平方和，必然與體素的數(shù)目相關(guān)，因而當體素數(shù)目改變時，其變異度較大；而對于中位值(median)，作為所有體素灰度大小的中位數(shù)，與體素的數(shù)目關(guān)系不大，因而變異度相對較小。

本研究結(jié)果表明，在形狀特征組中，絕大部分形態(tài)特征的變異度較小或非常小(黃色或紅色，CV均≤10%)，僅在不同重建層厚的部分特征中呈現(xiàn)中等變異度(綠色，10%

本研究的不足：首先，本研究是基于體模的實驗，盡管肺及骨等多種組織均納入研究，但體模中的組織必然與人體組織存在差異，所獲結(jié)果不能完全反映臨床的實際狀況；其次，本研究采用觀察者手動勾畫ROI的方法，而Velazquez等[16]比較了半自動分割方法和手動分割的準確度，認為半自動分割結(jié)果與手術(shù)切除的腫瘤標本輪廓吻合度更高，且提取的定量特征具備更高的穩(wěn)定性；再者，本研究只是初步觀察了不同體素對影像組學特征變異度的影響，今后需進一步研究，尋求最優(yōu)化的影像組學體素大小參數(shù)設(shè)置。

綜上所述，體素改變對影像組學特征影響顯著，在影像組學的應(yīng)用研究中要給予充分關(guān)注；數(shù)據(jù)預(yù)處理可能是保證特征穩(wěn)定性的較好途徑，特別是對于多中心數(shù)據(jù)的應(yīng)用及對比。