王沛沛，宋曼莉，張文華，趙國樺，白潔，程敬亮

鄭州大學(xué)第一附屬醫(yī)院磁共振科，河南 鄭州 450052；*通信作者 程敬亮 cjr.chjl@vip.163.com

腦膠質(zhì)瘤是中樞神經(jīng)系統(tǒng)最常見的原發(fā)性腫瘤，具有易擴(kuò)散、復(fù)發(fā)及預(yù)后不良等特點(diǎn)[1]。MRI可準(zhǔn)確定位腫瘤位置，評(píng)估血-腦屏障損害程度及良惡性分級(jí)，是診斷腦膠質(zhì)瘤的首選方法[2]，但目前臨床僅局限于視覺或主觀定量評(píng)估來闡明影像學(xué)的變化。影像組學(xué)可通過智能影像分析技術(shù)獲取到肉眼無法識(shí)別的腫瘤深層次信息，輔助醫(yī)師做出精準(zhǔn)的決策和治療，有望在腫瘤臨床工作中發(fā)揮重要作用[3]。

盡管目前影像組學(xué)研究已較為成熟，但在很多流程優(yōu)化上仍有挑戰(zhàn)，其中一個(gè)重要問題是如何提取穩(wěn)健性好且可重復(fù)的特征，圖像分割和感興趣區(qū)（ROI）的選取是關(guān)鍵一步，決定了組學(xué)特征的來源區(qū)域[4]。MRI膠質(zhì)瘤影像組學(xué)的紋理特征能夠較好地描述腫瘤的內(nèi)部特征，反映腫瘤的空間異質(zhì)性[5]，既往研究中ROI選取策略有以液體衰減反轉(zhuǎn)恢復(fù)像（FLAIR）為主包含水腫和腫瘤實(shí)質(zhì)的病灶區(qū)域和以T1增強(qiáng)為主的腫瘤實(shí)質(zhì)區(qū)域，不同的選擇方案得到的紋理特征也具有差異。本研究擬探討常見MR序列下3種不同ROI選取方案得到的紋理特征的一致性，一致性高的特征認(rèn)為穩(wěn)健性好，這種特征可在臨床應(yīng)用中放心使用；一致性差的特征認(rèn)為穩(wěn)健性弱，這種特征在臨床使用中需謹(jǐn)慎。

1 資料與方法

1.1 數(shù)據(jù)來源 基于BraTS2017比賽（www.med.upenn.edu/sbia/brats2017.html）中提供的285例膠質(zhì)瘤MR數(shù)據(jù)[6]，包括75例低級(jí)別膠質(zhì)瘤（low-grade glioma，LGG）（WHO Ⅰ～Ⅱ級(jí)）和210例高級(jí)別膠質(zhì)瘤（high-grade glioma，HGG）（WHO Ⅲ～Ⅳ級(jí)），數(shù)據(jù)包含以下序列：T1WI、T2WI、T2 FLAIR和增強(qiáng)T1WI（T1c）。所有數(shù)據(jù)經(jīng)過統(tǒng)一預(yù)處理，包括去顱骨、配準(zhǔn)到統(tǒng)一模板、重建到分辨率為1 mm3且矩陣大小為240×240×155的三維矩陣中。

由4名影像醫(yī)師用統(tǒng)一標(biāo)準(zhǔn)勾畫ROI，并經(jīng)1名經(jīng)驗(yàn)豐富的神經(jīng)放射學(xué)專家審查，選取勾畫較好的2個(gè)ROI，剔除勾畫較差的2個(gè)ROI，若勾畫差異小，則取所勾畫ROI的重疊區(qū)域；若差異較大，則由專家做出最終決定。ROI勾畫標(biāo)準(zhǔn)：強(qiáng)化區(qū)為在T1c上呈強(qiáng)化的區(qū)域；水腫區(qū)為在T2上高信號(hào)的瘤實(shí)質(zhì)外圍區(qū)域；壞死區(qū)為在T1上低信號(hào)、T2上高信號(hào)且T1c上未強(qiáng)化的區(qū)域；病灶區(qū)為在FLAIR上的異常信號(hào)區(qū)域。本研究根據(jù)勾畫的圖像定義了研究的3個(gè)ROI（圖1），①強(qiáng)化區(qū)：僅包含強(qiáng)化區(qū)域，記為ROIET（紅色）；②實(shí)質(zhì)區(qū)：包含壞死區(qū)和強(qiáng)化區(qū)，記為ROIcore（藍(lán)色）；③病灶區(qū)：包含強(qiáng)化、壞死、水腫等異常信號(hào)的區(qū)域，記為ROIwhole（綠色）。

圖1 3種ROI選取法及其3D示意圖。從左至右分別代表ROIET、ROIcore和ROIwhole，A、B、C為最大切面圖，D、E、F為其對(duì)應(yīng)的3D可視化圖

1.2 圖像預(yù)處理 不同機(jī)器、線圈及掃描協(xié)議等均會(huì)對(duì)圖像的對(duì)比度造成影響[7]，為消除這些變量的影響，使特征在不同來源下具有可比性，對(duì)ROI進(jìn)行以下預(yù)處理：①剔除ROI內(nèi)灰度值在μ±3σ（μ為灰度均值，σ為標(biāo)準(zhǔn)差）范圍外的像素點(diǎn)[8]。②對(duì)于高階特征的計(jì)算，采用適合于MRI的Lloyd-Max量化算法[9]對(duì)圖像進(jìn)行灰階量化。預(yù)處理及特征提取過程基于Vallières等[10]編寫的工具包（https://github.com /mvallieres/radiomics/）在matlab2017b平臺(tái)上進(jìn)行。

1.3 統(tǒng)計(jì)學(xué)方法 采用SPSS 22.0軟件進(jìn)行統(tǒng)計(jì)分析。采用組內(nèi)相關(guān)系數(shù)（ICC）度量不同ROI選取方法對(duì)特征穩(wěn)健性的影響，根據(jù)研究目的選用two-way model，consistency模型[11]，ICC值為0～1，ICC值越高，特征的穩(wěn)健性越好。根據(jù)Landis和Koch的建議，ICC≥0.80為一致性好，0.61～0.79為中等，0.41～0.60為一般，0.11～0.40為較低，<0.11為無一致性。本文計(jì)算了所有模態(tài)的全局組內(nèi)相關(guān)系數(shù)（ICCglobal）、不同水平的局部ICC如ICCFlair_HGG代表HGG在FLAIR序列的ICC。

為研究不同序列和腫瘤級(jí)別對(duì)紋理特征穩(wěn)健性的影響，使用多因素方差分析對(duì)兩種因素進(jìn)行評(píng)估，為比較不同類別紋理特征穩(wěn)健性的差異，使用單因素方差分析方法，多重比較使用SNK法，以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。此外，對(duì)特征的分類性能進(jìn)行評(píng)估，選用Logistic回歸訓(xùn)練預(yù)測(cè)模型，并使用留一交叉驗(yàn)

2 結(jié)果

2.1 不同序列和腫瘤級(jí)別上的紋理特征穩(wěn)健性的差異 計(jì)算不同MRI序列（FLAIR，T1，T1c，T2）和腫瘤級(jí)別（HGG和LGG）的60個(gè)紋理特征局部ICC，這2種因素及其交互作用下的特征ICC方差分析（表1）顯示：①不同序列的特征ICC差異有統(tǒng)計(jì)學(xué)意義（P<0.05）；②不同腫瘤級(jí)別的特征ICC差異無統(tǒng)計(jì)學(xué)意義；③序列和腫瘤級(jí)別的交互作用對(duì)特征ICC有顯著影響。通過對(duì)比均值發(fā)現(xiàn)主要由T1c序列引起，將其剔除后再做方差分析，發(fā)現(xiàn)只有不同序列差異有統(tǒng)計(jì)學(xué)意義（P<0.05），腫瘤級(jí)別和交互作用影響因素差異均無統(tǒng)計(jì)學(xué)意義，因此，不同的腫瘤級(jí)別的特征ICC在T1c上有差異，其他序列無差異。對(duì)8個(gè)水平進(jìn)行兩兩比較得到3個(gè)子集，子集1：[T1-LGG，T1-HGG，F(xiàn)LAIR-HGG，F(xiàn)LAIR-LGG，T1c-LGG]>子集2：[T2-HGG，T2-LGG]>子集3：[T1c-HGG]。證法驗(yàn)證模型的預(yù)測(cè)能力。分類性能使用受試者工作特征（ROC）曲線下面積（AUC）、敏感度和特異度進(jìn)行評(píng)估。

表1 圖像模態(tài)和腫瘤級(jí)別2個(gè)影響因素下的方差分析結(jié)果

根據(jù)ICC值將特征穩(wěn)健性分為5個(gè)級(jí)別，繪制局部ICC所占百分比的堆疊柱狀圖（圖2），T1序列的特征一致性好的占比最高，F(xiàn)LAIR一致性中等以上的占比最高，T1c-HGG的一致性最差，T1c-LGG與T2模態(tài)類似，低于FLAIR與T1的一致性。

圖2 不同水平下ICC穩(wěn)健性分級(jí)所占百分比

2.2 紋理特征類型的穩(wěn)健性分析 為分析5種不同類型特征的穩(wěn)健性，繪制了所得3個(gè)子集的局部ICC和ICCglobal的箱線圖（圖3），ICCglobal和8個(gè)交叉水平的局部ICC單因素方差分析顯示，不同類型特征的ICC顯著不同，兩兩比較得到3個(gè)子集[GLCM，GLRLM，GLSZM]>[NGTDM]>[一階]，綜上可得，針對(duì)不同的ROI選取，高階特征比一階特征受到的影響要小，高階特征中NGTDM受到的影響最大，即高階特征的穩(wěn)健性明顯優(yōu)于一階，高階中NGTDM穩(wěn)健性最差。最后，將8個(gè)局部水平下的最小ICC作為依據(jù)列出所研究的60個(gè)特征的穩(wěn)健性分級(jí)（表2），60個(gè)特征中：2個(gè)一致性好的特征（GLRLM-RLN和GLSZM-GLN），15個(gè)特征中等，22個(gè)特征一般，13個(gè)特征較低，8個(gè)特征無一致性。

表2 60個(gè)紋理特征名稱及其穩(wěn)健性

圖3 ICCglobal和3個(gè)子集的局部ICC的箱線圖

2.3 特征分類性能 根據(jù)ROC分析結(jié)果對(duì)所提取的特征進(jìn)行排序，共獲得6個(gè)分類性能較好（AUC>0.8）的特征（表3），這些特征均從T1c中提取獲得，從ROIwhole、ROIcore、ROIET選取法中提取到的特征分別有2個(gè)、1個(gè)、3個(gè)。排名靠前的特征主要反映腫瘤區(qū)域不均質(zhì)性的GLCM特征，以及反映腫瘤形態(tài)的一階特征。穩(wěn)健性較好的2個(gè)特征的平均分類性能如下：GLRLM-RLN的AUC為0.52，敏感度為0.79，特異度為0.37；GLSZM-GLN的AUC為0.54，敏感度為0.81，特異度為0.38。

表3 AUC>0.8的6個(gè)特征的分類性能

3 討論

影像組學(xué)的紋理特征通常是從醫(yī)師勾畫腫瘤區(qū)域確定的ROI中提取得到，因此ROI是影像組學(xué)特征的區(qū)域來源，這是影像組學(xué)研究中的第一步，直接關(guān)系到后續(xù)分類及預(yù)測(cè)結(jié)果的可重復(fù)性和準(zhǔn)確性，目前在MR膠質(zhì)瘤研究中，ROI提取主要分為以FLAIR上病灶區(qū)域的標(biāo)準(zhǔn)和T1c上腫瘤實(shí)質(zhì)區(qū)域的標(biāo)準(zhǔn)[12]，前者ROIwhole包含了更多的信息如水腫鈣化等，ROI的異質(zhì)性高，且完整包含了腫瘤的邊緣信息；后者研究區(qū)域更有針對(duì)性，其ROI異質(zhì)性相對(duì)低，有些研究基于增強(qiáng)圖像僅勾畫強(qiáng)化區(qū)域[13]，有些則以增強(qiáng)圖像為主，同時(shí)結(jié)合其他模態(tài)勾畫整個(gè)腫瘤實(shí)質(zhì)區(qū)域[14]，因此，將后者按強(qiáng)化及瘤實(shí)質(zhì)區(qū)域分為ROIET和ROIcore。

本研究對(duì)上述3種ROI選取方法在腦膠質(zhì)瘤MR圖像中所提取的紋理特征一致性進(jìn)行研究，結(jié)果發(fā)現(xiàn)：①在所研究的60個(gè)特征中，從總體來看，有17個(gè)特征表現(xiàn)出中等及以上的穩(wěn)健性，這些特征均來自于高階特征，高階特征比一階特征的穩(wěn)健性好，理論上，一階特征反映ROI中像素灰度的一階分布信息和區(qū)域的整體信息，高階特征反映腫瘤內(nèi)部的異質(zhì)程度和紋理信息，而不同的ROI選取范圍對(duì)腫瘤內(nèi)部的紋理等信息敏感度相對(duì)較小，這是導(dǎo)致高階紋理特征的穩(wěn)健性相對(duì)高的主要原因。從局部的8個(gè)水平來看，有4個(gè)局部水平的穩(wěn)健性中等及以上的特征占80%，其高階特征的穩(wěn)健性也均優(yōu)于一階特征，這在T1c-HGG水平表現(xiàn)得最為顯著。因此，在影像組學(xué)研究中，對(duì)于一階特征ROI的選取方法要做到高度統(tǒng)一；而對(duì)于表現(xiàn)出高穩(wěn)健的高階特征，在特征篩選過程中可優(yōu)先選擇。②對(duì)從不同ROI選取法和不同序列所提取的特征進(jìn)行單特征分析，以AUC>0.8為標(biāo)準(zhǔn)篩選6個(gè)對(duì)膠質(zhì)瘤分級(jí)性能好的特征，3種ROI選取方法均能提取到分類效能較好的特征，對(duì)腫瘤級(jí)別的鑒定有一定意義，篩出的特征均來源于T1c序列，表明T1c較其他3種序列更有分級(jí)價(jià)值，篩出特征的穩(wěn)健性為一般及較低，提示特征分類效果好壞的特征穩(wěn)健性并無直接關(guān)聯(lián)。③從不同的序列上提取的特征穩(wěn)健性不一致，從T1和FLAIR序列上提取到的特征穩(wěn)健性最好，其次是T1c-LGG和T2序列，T1-HGG的穩(wěn)健性最差，表明從T1和FLAIR上膠質(zhì)瘤的異質(zhì)程度在3種ROI具有相似的一致性，而在T1c序列上高級(jí)別膠質(zhì)瘤中3種區(qū)域的異質(zhì)程度在不同ROI內(nèi)差異較大，低級(jí)別上的差異與T2序列相似，差異高于T1與FLAIR，因此較T1c序列在膠質(zhì)瘤研究中具有極高的診斷價(jià)值。Baeβler等[15]在體模研究中發(fā)現(xiàn)：從FLAIR序列中所提取的特征最穩(wěn)健，主要原因是FLAIR模態(tài)抑制了腦脊液等信號(hào)，灰度跨度較其他模態(tài)低，導(dǎo)致在預(yù)處理后可在較窄的灰度范圍內(nèi)顯示更多的灰度信息，在高階特征中更為明顯；高階特征類型中NGTDM的穩(wěn)健性最差，與本研究結(jié)論類似。

本文提取出的60個(gè)特征中，有2個(gè)特征在所有序列中均表現(xiàn)出良好的穩(wěn)健性。這2個(gè)特征為GLRLM-RLN和GLSZM-GLN，可在臨床上放心使用。而對(duì)于其他特征，在臨床使用中要特別注意其ROI的范圍及勾畫標(biāo)準(zhǔn)是否高度統(tǒng)一。對(duì)所提取特征進(jìn)行分類評(píng)估后發(fā)現(xiàn)：分類性能好的特征并未顯示出高的穩(wěn)健性（分類性能前6個(gè)的特征ICC在0.4～0.7），而穩(wěn)健性好的2個(gè)特征的分類性能較低，這主要是因?yàn)榉€(wěn)健性低的特征不一定代表受試者間的相對(duì)排名有大的改變，因此，特征的穩(wěn)健性與其分類性能并無直接關(guān)系，與Lu等[16]和Hatt等[17]對(duì)PET鼻咽癌和食管癌的研究結(jié)論一致；在影像組學(xué)分析中，對(duì)于ROI的選取標(biāo)準(zhǔn)不一，所得到的大部分紋理特征沒有好的重復(fù)性，因此對(duì)于ROI的選取建議盡量選用相同的標(biāo)準(zhǔn)，以得到重復(fù)性高、穩(wěn)健性好的紋理特征，為臨床診斷和預(yù)后提供更可靠的幫助。

本研究的局限性：①納入低級(jí)別膠質(zhì)瘤例數(shù)較少，在下一步研究中將增加低級(jí)別膠質(zhì)瘤病例數(shù)；②僅研究了3種ROI選擇方法對(duì)腫瘤紋理特征的一致性，但影響圖像特征穩(wěn)健性和再現(xiàn)性的因素還有很多，如勾畫腫瘤區(qū)域不僅耗時(shí)耗力，且受醫(yī)師個(gè)人經(jīng)驗(yàn)影響，下一步工作將圍繞計(jì)算機(jī)自動(dòng)或半自動(dòng)分割方法與傳統(tǒng)手工勾畫對(duì)所得特征進(jìn)行分析。