国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

CT影像與紋理特征聯(lián)合模型在甲狀腺良惡性結(jié)節(jié)鑒別中的價(jià)值*

2022-04-27 03:08彭錚堃吳娜珊吳若岱
中國CT和MRI雜志 2022年5期
關(guān)鍵詞:灰度紋理甲狀腺癌

彭錚堃 彭 云 吳娜珊吳若岱,*

1.深圳大學(xué)總醫(yī)院影像科 (廣東 深圳 518000)

2.南昌大學(xué)第二附屬醫(yī)院影像科(江西 南昌 330006)

隨著檢查技術(shù)的高速發(fā)展,甲狀腺癌的檢出率日漸升高[1],該疾病以結(jié)節(jié)形式存在,無特異性影像征象,需與結(jié)節(jié)性甲狀腺腫及腺瘤等良性結(jié)節(jié)進(jìn)行鑒別。與良性結(jié)節(jié)不同,甲狀腺癌的常規(guī)治療方式為手術(shù)切除,漏診或誤診將延誤治療,可能引起腺外侵犯,導(dǎo)致淋巴結(jié)及肺等部位的轉(zhuǎn)移[2]。病理穿刺作為術(shù)前診斷的“金標(biāo)準(zhǔn)”,為有創(chuàng)性檢查,亦不適用于常規(guī)隨訪,尋求甲狀腺結(jié)節(jié)良惡性鑒別的無創(chuàng)性指標(biāo)對治療策略選擇很有必要[3]。CT是甲狀腺病變評估的重要方法,通過對病灶多種CT影像特征進(jìn)行聯(lián)合分析,能夠?qū)α紣盒越Y(jié)節(jié)進(jìn)行鑒別,但醫(yī)師影像評估過程存在一定主觀性,易受經(jīng)驗(yàn)影響?;叶戎狈綀D是紋理分析的基本方法之一,該技術(shù)可對病灶影像圖像的灰度均值、范圍、峰度分布等進(jìn)行量化,客觀反映病灶細(xì)微及整體特點(diǎn),能夠應(yīng)用于良惡性腫瘤的鑒別[4]。本研究旨在聯(lián)合甲狀腺結(jié)節(jié)CT影像特征及灰度直方圖特征,建立影像及紋理聯(lián)合模型并與單純影像模型效能比較,探討紋理分析在甲狀腺良惡性結(jié)節(jié)中的輔助診斷價(jià)值。

1 資料與方法

1.1 一般資料回顧性分析2018年6月至2021年2月深圳大學(xué)總醫(yī)院及南昌大學(xué)第二附屬醫(yī)院行甲狀腺CT平掃及增強(qiáng)掃描、經(jīng)手術(shù)病理證實(shí)明確病變類型的甲狀腺結(jié)節(jié)患者。排除標(biāo)準(zhǔn):CT掃描前進(jìn)行手術(shù)、藥物及放療等甲狀腺相關(guān)治療;因移動(dòng)或金屬偽影等導(dǎo)致CT圖像質(zhì)量不佳。最后納入110例患者的125個(gè)甲狀腺結(jié)節(jié),將甲狀腺癌分為惡性結(jié)節(jié)組,甲狀腺腫及腺瘤分為良性結(jié)節(jié)組。

1.2 CT掃描及導(dǎo)出對納入患者的頸部平掃及增強(qiáng)CT圖像進(jìn)一步分析。所有CT掃描在兩臺(tái)西門子CT機(jī)器(SOMATOM Difinition Flash及SOMATOM Force CT)中進(jìn)行。掃描時(shí)囑患者仰臥,充分仰伸頭部,檢查過程中禁止吞咽或移動(dòng);掃描范圍自鼻咽至胸骨上緣水平。參數(shù):球管電壓120kV,自動(dòng)管電流,掃描層距5mm,層厚5mm。平掃后使用高壓注射器按照3.5mL/s流率經(jīng)肘靜脈團(tuán)注,注射對比劑碘克沙醇注射液,在開始注射后20~25s,40~45s依次行雙期掃描[5]。

1.3 圖像分析

1.3.1 影像特征 由2名分別具有6年及8年工作經(jīng)驗(yàn)的影像科醫(yī)師獨(dú)立閱片,對每個(gè)結(jié)節(jié)是否鈣化、平掃密度是否均勻、有無囊變、有無包膜、有無周圍異常淋巴結(jié)(含短徑>10mm、合并鈣化、合并囊變、明顯不均勻強(qiáng)化任意一種即為異常)、有無甲狀腺邊緣“中斷”征(“咬餅”征)、增強(qiáng)后病灶邊緣是否清晰共7個(gè)影像特征進(jìn)行評估。意見不同時(shí)經(jīng)討論達(dá)成一致。

1.3.2 紋理特征 將CT圖像以DICOM格式導(dǎo)出,保持其窗寬、窗位(分別為250HU、60HU)一致,轉(zhuǎn)換為BMP格式。采用Mazda軟件(Version 4.6)對甲狀腺結(jié)節(jié)紋理特征進(jìn)行提取。由1名影像科醫(yī)師(5年工作經(jīng)驗(yàn))對所納入甲狀腺結(jié)節(jié)感興趣區(qū)(ROI)進(jìn)行勾畫,勾畫方法為選擇病灶最大層面,結(jié)合平掃、動(dòng)脈及靜脈期三期圖像確定病灶范圍后,在平掃圖像中沿病灶邊緣進(jìn)行勾畫,將ROI復(fù)制到動(dòng)脈及靜脈期相同層面上。每個(gè)ROI生成均值(Mean)、方差(Variance)、峰度(Kurtosis)、偏度(Skewness)和第1、10、50、90、99百分位數(shù)(Pere.1%、Pere.10%、Pere.50%、Pere.90%、Pere.99%)共9個(gè)灰度直方圖參數(shù),最終每個(gè)結(jié)節(jié)3個(gè)期相共獲得27個(gè)參數(shù)。

1.4 統(tǒng)計(jì)學(xué)方法所有統(tǒng)計(jì)均在SPSS(Version 19.0)及Medcalc(Version 18.11.3)軟件中進(jìn)行。對影像特征,首選采用χ2檢驗(yàn)以篩選兩組間有差異的特征,進(jìn)一步采用二元Logistic回歸向前步進(jìn)(條件)法構(gòu)建多參數(shù)影像特征模型。對于紋理特征,首先以Kolmogorov-Smirnov檢驗(yàn)評估是否為正態(tài)分布,再采用獨(dú)立樣本t檢驗(yàn)(正態(tài)分布)及Mann-Whitney秩和檢驗(yàn)(非正態(tài)分布)篩選兩組間有差異的特征,并進(jìn)一步使用pearson相關(guān)分析(以r值0.8作為閾值)對特征進(jìn)行降維,最后對剩余特征進(jìn)行受試者工作特征曲線(receiver operating characteristic curve,ROC)分析,獲得相應(yīng)ROC曲線下面積(area under the ROC curve,AUC)。為評估影像及紋理特征聯(lián)合模型效能,采用AUC最高的紋理特征結(jié)合構(gòu)建回歸模型的影像特征共同建立Logistic聯(lián)合模型,獲得模型相應(yīng)AUC、靈敏度及特異度。

2 結(jié) 果

2.1 病例基本資料最后納入110例患者的125個(gè)甲狀腺結(jié)節(jié),平均年齡(49.98±14.64)歲,年齡范圍22~82歲。其中良性組患者58例(男6例,女52例),結(jié)節(jié)66個(gè),其中結(jié)節(jié)性甲狀腺腫61個(gè)(92.42%),腺瘤5個(gè)(7.58%)。惡性組患者52例(男15例,女37例),結(jié)節(jié)59個(gè),其中乳頭狀癌57個(gè)(96.61%),髓樣癌2個(gè)(3.39%)。

2.2 影像特征篩選χ2檢驗(yàn)結(jié)果表明,7個(gè)特征中,良惡性結(jié)節(jié)的平掃密度是否均勻及有無鈣化無明顯差異,而是否囊變、有無包膜、有無“咬餅”征、增強(qiáng)后邊界模糊、有無異常淋巴結(jié)5個(gè)影像征象有差異(表1),且無囊變、有包膜、有“咬餅”征、增強(qiáng)后邊界模糊及含異常淋巴結(jié)均提示惡性結(jié)節(jié)(圖1~圖2)。

表1 甲狀腺結(jié)節(jié)影像特征對比結(jié)果(例)

圖1 女性,59歲,甲狀腺右側(cè)葉見類圓形低密度結(jié)節(jié)影,平掃(圖1A)密度尚均勻,增強(qiáng)后動(dòng)脈期(圖1B)及靜脈期(圖1C)均呈明顯不均強(qiáng)化,邊界清晰,可見包膜,甲狀腺邊緣完整,圖1D為病灶ROI。圖2 女性,57歲,甲狀腺右側(cè)葉見類圓形低密度結(jié)節(jié)影,平掃(圖2A)密度尚均勻,增強(qiáng)后動(dòng)脈期(圖2B)及靜脈期(圖2C)均呈明顯不均強(qiáng)化,邊界不清,局部邊緣中斷,見“咬餅”征,圖2D為病灶ROI。

2.3 紋理特征篩選經(jīng)過篩選及降維,最終獲取第1百分位數(shù)(Perc.01%1),動(dòng)脈期第1百分位數(shù)(Perc.01%2)、第50百分位數(shù)(Perc.50%2)、方差(Variance2)及靜脈期方差(Variance3)5個(gè)良惡性結(jié)節(jié)具有差異的特征(表2),其鑒別良惡性結(jié)節(jié)的AUC依次為0.671、0.663、0.611、0.610及0.696。

表2 甲狀腺良、惡性結(jié)節(jié)紋理特征對比

2.4 單純影像及聯(lián)合模型效能Logistic回歸向前步進(jìn)法篩選出“咬餅”征、增強(qiáng)后邊界模糊及異常淋巴結(jié)3個(gè)影像征象作為影像模型自變量,且均為獨(dú)立危險(xiǎn)因素(OR值依次為6.72、5.32及5.24),由此構(gòu)建的影像模型AUC為0.821,靈敏度為66.10%,特異度為81.82%。影像及紋理特征聯(lián)合模型的建立以上述3個(gè)影像特征及Variance3 1個(gè)紋理特征作為自變量,所得模型的AUC為0.845,靈敏度為 76.27%、特異度為83.33%。聯(lián)合模型的AUC、靈敏度及特異度均高于影像模型。

3 討 論

本研究通過對甲狀腺結(jié)節(jié)CT影像及紋理特征分析,發(fā)現(xiàn)紋理特征與結(jié)節(jié)良惡性有一定聯(lián)系,影像特征Logistic回歸模型可較好的對甲狀腺良惡性結(jié)節(jié)進(jìn)行鑒別,在結(jié)合紋理特征后,聯(lián)合模型AUC及靈敏度均高于單純影像模型。

本研究發(fā)現(xiàn)良、惡性病灶在是否囊變、有無包膜、有無“咬餅”征、增強(qiáng)后邊界模糊與否及有無異常淋巴結(jié)5個(gè)特征上均有差異,其中后3種征象在Logistic模型向前逐步回歸法中被篩選納入,提示“咬餅”征、增強(qiáng)后邊界模糊及含異常淋巴結(jié)均為甲狀腺癌的獨(dú)立危險(xiǎn)因素?!耙э炚鳌奔霸鰪?qiáng)后邊界模糊均與甲狀腺癌灶侵襲性生長的方式密切相關(guān),且當(dāng)結(jié)節(jié)發(fā)生在甲狀腺邊緣或鄰近包膜時(shí),癌腫侵犯包膜,甲狀腺正常邊緣被破壞從而出現(xiàn)“咬餅”征[6]。而頸部異常淋巴結(jié)常見于炎性及腫瘤性病變中,由于甲狀腺乳頭狀癌為親淋巴性腫瘤,部分患者在腫瘤確診時(shí)即合并有淋巴結(jié)轉(zhuǎn)移,是腫瘤的重要征象之一[7]。

紋理分析能夠提取圖像中肉眼無法識別的紋理特征,反映病灶的微結(jié)構(gòu)特征從而評估病變組織的異質(zhì)性,已廣泛應(yīng)用于腫瘤學(xué)[8-10]。本研究提取甲狀腺結(jié)節(jié)3個(gè)期相的灰度直方圖參數(shù),篩選出5個(gè)代表性參數(shù),分別為Perc.01%1、Perc.01%2、Perc.50%2、Variance2及Variance3,ROC分析表明這些參數(shù)均能夠一定程度上輔助鑒別良惡性結(jié)節(jié),與Guo等[11]基于增強(qiáng)CT紋理分析對甲狀腺病變分析的結(jié)果較為一致。其中,Perc表明觀測值中低于給定百分位數(shù)的數(shù)值,甲狀腺癌的此3個(gè)參數(shù)均高于良性結(jié)節(jié),提示甲狀腺癌病灶無論是在整體還是局部的灰度強(qiáng)度均高于良性結(jié)節(jié),這可能與甲狀腺癌實(shí)性多于腺瘤及結(jié)節(jié)性甲狀腺腫有關(guān),符合本研究中良性結(jié)節(jié)囊變幾率高于惡性的影像特征。Variance2及Variance3分別代表動(dòng)脈期及靜脈期病灶圖像灰度的離散程度,癌性結(jié)節(jié)兩個(gè)期相Variance均低于良性結(jié)節(jié),這可能與前者實(shí)性成分較良性結(jié)節(jié)更多,后者常見囊變并且分布不規(guī)則從而導(dǎo)致灰度分布不均勻有關(guān)。除CT外,亦有研究對超聲圖像的紋理特征進(jìn)行提取并建立模型,發(fā)現(xiàn)該技術(shù)同樣可以對甲狀腺良惡性結(jié)節(jié)進(jìn)行評估[12-13],同樣證實(shí)紋理特征在甲狀腺評估中的有效性。

近年來,有研究開始將影像特征及紋理特征進(jìn)行結(jié)合,發(fā)現(xiàn)二者共同建立的聯(lián)合模型能提供更多信息從而提高效能[14]。本研究分別構(gòu)建了單純影像及聯(lián)合Logistic回歸模型,發(fā)現(xiàn)聯(lián)合模型效能高于單純影像模型,亦高于部分其他研究中甲狀腺結(jié)節(jié)鑒別影像模型效能[6],提示聯(lián)合模型在良惡性結(jié)節(jié)的鑒別中具有一定優(yōu)越性,這與本研究所設(shè)想的較為一致?;貧w模型中的影像特征可代表病灶形態(tài)學(xué)及血液動(dòng)力學(xué)的整體特點(diǎn),紋理參數(shù)主要反映病灶的微結(jié)構(gòu)特征。在影像特征的基礎(chǔ)上加入紋理特征后,聯(lián)合模型可綜合二者優(yōu)點(diǎn)同時(shí)對病灶整體及微結(jié)構(gòu)進(jìn)行判定,因而AUC、靈敏度及特異度均增高。

本研究有一定局限性:(1)雖然結(jié)節(jié)性甲狀腺腫及乳頭狀癌分別占良、惡性結(jié)節(jié)的大部分,但良性組及惡性組均包含了數(shù)種不同亞型,可能會(huì)對所建立模型的準(zhǔn)確度有一定影響;(2)部分病理結(jié)果來自于穿刺活檢取材,不能避免穿刺漏診可能。

基于平掃及增強(qiáng)CT紋理及影像特征的聯(lián)合模型較單純影像模型對結(jié)節(jié)良惡性的鑒別效能更強(qiáng),對隨訪或術(shù)前無創(chuàng)性甲狀腺結(jié)節(jié)評估有一定價(jià)值。

猜你喜歡
灰度紋理甲狀腺癌
航空濾光片陣列多光譜圖像條帶灰度調(diào)整算法
甲狀腺癌“低位領(lǐng)”式與“L”型切口淋巴結(jié)清掃術(shù)的比較
天津港智慧工作平臺(tái)灰度發(fā)布系統(tǒng)和流程設(shè)計(jì)
Mir-222-3p 對中西醫(yī)結(jié)合治療甲狀腺癌效果的影響
Arduino小車巡線程序的灰度閾值優(yōu)化方案
甲狀腺癌為何越來越多?
肺紋理增多是病嗎?
睡眠質(zhì)量差的女性甲狀腺癌風(fēng)險(xiǎn)高四成
童夢
TEXTURE ON TEXTURE質(zhì)地上的紋理