朱心雨，郭 立，黃 鵬，馬金宇，張雨柔

昆明醫(yī)科大學(xué)第二附屬醫(yī)院放射科，云南 昆明650101

多發(fā)性骨髓瘤（multiple myeloma，MM）是一種起源于骨髓漿細(xì)胞的惡性疾病，是僅次于非霍奇金淋巴瘤的第2 常見的血液系統(tǒng)惡性腫瘤［1-2］。該病多見于脊柱，以胸椎為主，腰、頸椎次之，常引起胸腰部不適。由于MM 起病隱匿、病情發(fā)展緩慢、缺乏臨床特征，易與胸腰部退行性病變相混淆［3］。

MRI 具有無輻射、多方位、多參數(shù)成像等優(yōu)點(diǎn)，是胸腰部不適患者常用的影像檢查方法之一［4］。MM呈彌漫性、不均勻性浸潤，T1WI 呈低信號，T2WI 呈高信號，在T2-STIR 上病灶顯示更清楚；而腰椎退行性變時(shí)，由于紅骨髓（T1WI 呈低信號，T2WI 呈稍高信號，STIR 上顯示更清楚）和黃骨髓呈不均勻分布，加之終板退變（終板的1 型改變于T1WI 呈低信號，T2WI呈稍高信號，STIR 上顯示更清楚）的存在，會對MM的發(fā)現(xiàn)及診斷產(chǎn)生干擾，有時(shí)僅根據(jù)MRI 圖像特征區(qū)分兩者仍存在困難［5］。目前，骨髓瘤的診斷金標(biāo)準(zhǔn)為骨髓穿刺，但穿刺活檢價(jià)格高且為有創(chuàng)檢查，易造成局部感染，引起潛在的并發(fā)癥。因此，尋求一種準(zhǔn)確、高效的診斷多發(fā)性骨髓瘤的方法是臨床面臨的重要問題。

紋理分析是指通過提取圖像大量的微觀特征，經(jīng)計(jì)算機(jī)算法將特征轉(zhuǎn)化為紋理參數(shù)，并由此探究圖像像素灰度值的局部特征、分布規(guī)律及變化規(guī)律［6］。目前，紋理分析已應(yīng)用于臨床研究［7-8］，其可高通量提取圖像特征，并以非侵入性方式捕捉并展現(xiàn)病變組織內(nèi)的異質(zhì)性［9-10］，從而輔助臨床和影像醫(yī)師發(fā)現(xiàn)及診斷腫瘤性病變，并對其進(jìn)行分期分級、治療效果評估及預(yù)后評估等［11］。既往有研究應(yīng)用影像組學(xué)方法鑒別MM 與腰椎不同轉(zhuǎn)移瘤，并對骨髓瘤的治療反應(yīng)進(jìn)行預(yù)測效果良好［12-13］，但關(guān)于骨髓瘤與其他腰椎疾病鑒別的研究較少。本研究嘗試對腰椎MM 與腰椎退行性變進(jìn)行紋理分析，以探討常規(guī)MRI 圖像的紋理特征對骨髓瘤的鑒別診斷價(jià)值。

1 資料與方法

1.1 一般資料

回顧性收集2021 年8 月至2022 年8 月在我院行常規(guī)MRI 掃描的64 例腰椎MM 患者作為MM組。納入標(biāo)準(zhǔn)：①均經(jīng)病理及相關(guān)臨床檢查確診；②未經(jīng)治療者。排除標(biāo)準(zhǔn)：①圖像存在明顯偽影、質(zhì)量較差影響診斷；②免疫系統(tǒng)異常、惡性腫瘤及其他影響骨代謝的內(nèi)分泌疾??；③在檢查前已行放、化療或射頻消融等干預(yù)性治療。

另選擇同期因腰部不適行腰椎MRI 檢查，且臨床確診為腰椎退行性病變的64 例患者為對照組。

本研究經(jīng)醫(yī)院醫(yī)學(xué)倫理委員會批準(zhǔn)（2022-142），并免除受試者知情同意。

1.2 儀器與方法

采用Siemens Sonata 1.5 T MRI 掃描儀。掃描序列與參數(shù)：矢狀位T1WI，矩陣205×256，TR 500 ms，TE 8 ms，視野280 mm×280 mm，層厚4 mm，層距0.4 mm；矢狀位T2WI，矩陣205×256，TR 4 000 ms，TE 125 ms，視野280 mm×280 mm，層厚4 mm，層距0.4 mm；矢狀位T2-STIR，矩陣256×256，TR 3 990 ms，TE 77 ms，視野280 mm×280 mm，層厚4 mm，層距0.4 mm；軸位T2WI，矩陣179×205，TR 5 207 ms，TE 120 ms，視野220 mm×220 mm，層厚4 mm，層距0.4 mm。總掃描時(shí)間為5 min 15 s。

1.3 圖像分析與紋理特征篩選

將圖像以DICOM 格式從PACS 導(dǎo)出至MaZda 4.6 軟件（http：//www.eletel.p.lodz.pl/mazda/）。由2 位具有5 年以上影像診斷經(jīng)驗(yàn)的醫(yī)師協(xié)商后沿椎體邊緣共同繪制ROI，ROI 為累及病變的所有椎體，選擇矢狀位T1WI、T2WI 和T2-STIR 序列的正中層面圖像，避開皮質(zhì)和椎基靜脈叢且不包含腰椎附件（圖1，2）。提取灰度級直方圖、絕對梯度、灰度游程矩陣、灰度共生矩陣、自回歸模型和小波變換6 類紋理特征。然后通過軟件提供的費(fèi)希爾算法（Fisher coefficient，F(xiàn)isher）、分類錯(cuò)誤率+平均相關(guān)系數(shù)算法（classification error probability and average correlation coefficients，POE+ACC）、交互信息算法（mutual information coefficient，MI）3 種方法對3 個(gè)序列進(jìn)行降維篩選，每種方法篩選出10 個(gè)最優(yōu)紋理特征參數(shù)。

圖1 腰椎多發(fā)性骨髓瘤的ROI 繪制 注：患者，女，59 歲。圖1a 為勾畫矢狀位T1WI 序列的ROI；圖1b 為勾畫矢狀位T2WI 序列的ROI；圖1c 為勾畫矢狀位T2-STIR 序列的ROI圖2 腰椎退行性病變的ROI 繪制 注：患者，男，67 歲。圖2a 為勾畫矢狀位T1WI 序列的ROI；圖2b 為勾畫矢狀位T2WI 序列的ROI；圖2c 為勾畫矢狀位T2-STIR 序列的ROI

1.4 統(tǒng)計(jì)學(xué)分析

采用SPSS 23.0 軟件、Med Calc 20.1 軟件進(jìn)行分析。計(jì)數(shù)資料2 組間比較行χ2檢驗(yàn)。正態(tài)分布計(jì)量資料以表示，2 組間比較行獨(dú)立樣本t 檢驗(yàn)。采用Spearman 相關(guān)性分析排除冗余參數(shù)（r＞0.8），然后行l(wèi)ogistic 回歸分析。采用ROC 曲線分析差異有統(tǒng)計(jì)學(xué)意義的參數(shù)及其聯(lián)合鑒別MM 與腰椎退行性病變的診斷效能。利用DeLong 檢驗(yàn)比較聯(lián)合診斷與單一參數(shù)AUC 的差異。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 2 組一般資料比較

MM 組64 例，其中男34 例，女30 例；年齡45～79 歲，平均（61±10）歲。對照組64 例，其中男31 例，女33 例；年齡22～77 歲，平均（58±11）歲。2 組年齡及性別比較，差異均無統(tǒng)計(jì)學(xué)意義（t=1.451，P=0.149；χ2=0.281，P=0.596）。

2.2 2 組各序列上紋理特征參數(shù)比較

經(jīng)統(tǒng)計(jì)學(xué)分析后具有鑒別2 種疾病意義的各序列參數(shù)比較見表1～3。

表1 T1WI 紋理特征參數(shù)在2 組中的比較（）

表1 T1WI 紋理特征參數(shù)在2 組中的比較（）

注：MM 為多發(fā)性骨髓瘤。

表2 T2WI 紋理特征參數(shù)在2 組中的比較（）

表2 T2WI 紋理特征參數(shù)在2 組中的比較（）

注：MM 為多發(fā)性骨髓瘤。

表3 T2-STIR 紋理特征參數(shù)在2 組中的比較（）

表3 T2-STIR 紋理特征參數(shù)在2 組中的比較（）

注：MM 為多發(fā)性骨髓瘤。

2.3 logistic 回歸分析結(jié)果

排除冗余參數(shù)后對T1WI 序列的Perc.10%、S（2，0）SumAverg，T2WI 序列的Perc.10%、WavEnLL_s-2 和T2-STIR 序列的Perc.10%、Perc.99%、135dr-GLevNonU、S（3，-3）Correlat 和S（1，-1）SumAverg 共9 個(gè)紋理參數(shù)行l(wèi)ogistic 回歸分析（表4），結(jié)果表明T1WI 序列的Perc.10%，T2-STIR 序列的Perc.10%和135dr_GLevNonU為鑒別MM 與退行性病變的獨(dú)立預(yù)測因子。

表4 logistic 回歸分析結(jié)果

2.4 單參數(shù)與參數(shù)聯(lián)合的診斷效能比較

以T1WI 序列的Perc.10%，T2-STIR 序列的Perc.10%和135dr_GLevNonU 作為獨(dú)立檢驗(yàn)變量及三者聯(lián)合檢驗(yàn)變量行ROC 曲線分析，3 個(gè)參數(shù)鑒別診斷MM 與腰椎退行性變的AUC 分別為0.753、0.813 和0.705，聯(lián)合參數(shù)的AUC 為0.902，優(yōu)于單參數(shù)，差異有統(tǒng)計(jì)學(xué)意義（均P＜0.05；表5，圖3）。

表5 單參數(shù)與參數(shù)聯(lián)合的診斷效能比較（DeLong 檢驗(yàn)）

圖3 Perc.10%（T1WI）、Perc.10%（T2-STIR）、135dr_GLevNonU（T2-STIR）和參數(shù)聯(lián)合的ROC 曲線

3 討論

紋理分析可從圖像像素、灰階、空間特征等多角度多方法提取大量人眼難以觀察或易忽略的紋理參數(shù)，利用數(shù)學(xué)算法進(jìn)行分析計(jì)算，經(jīng)過降維篩選后的特征能最大程度展現(xiàn)影像圖像中異質(zhì)性微觀差異，有助于腫瘤的診斷、鑒別、預(yù)測及預(yù)后評估等［14-15］。目前，紋理分析廣泛用于腫瘤診療中。Reinert 等［16］分析了雙能量CT 圖像在MM 中的定性作用，并使用紋理分析方法評估椎體髓質(zhì)受累程度，結(jié)果顯示骨髓浸潤程度與一階特征呈正相關(guān)，與二階共生矩陣特征呈負(fù)相關(guān)，骨髓圖像紋理特征的變化與骨髓瘤特異性血液學(xué)參數(shù)有很好的相關(guān)性。Xiong 等［13］利用T1WI 和T2WI 圖像提取腰椎MM 和不同腰椎轉(zhuǎn)移腫瘤的紋理特征，結(jié)合不同的機(jī)器學(xué)習(xí)模型探究其鑒別診斷MM 與腰椎轉(zhuǎn)移腫瘤病變的潛力，結(jié)果顯示，由T2WI 圖像7 個(gè)特征構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)分類器在鑒別MM 和不同亞型轉(zhuǎn)移瘤診斷性能最高。

本研究利用MaZda 紋理分析軟件提取MM 患者與腰椎退行性變患者M(jìn)RI 圖像6 類近300 個(gè)紋理特征參數(shù)進(jìn)行對比。其中，Perc.和Mean 來自于直方圖參數(shù)。Perc.10%是描述低于該百分位數(shù)所觀察對象的百分比［17-18］，其可反映ROI 內(nèi)的微小變化。Mean 代表ROI 的平均灰度值水平［19-20］。本研究中MM 患者的T2-STIR 直方圖參數(shù)值均高于退行性病變，可能與MM 病灶散在多發(fā)、在T2-STIR 上呈較高信號有關(guān)。來自灰度游程矩陣的GLevNonU 和灰度共生矩陣的SumAverge 可反映ROI 紋理明暗程度的異質(zhì)性［21］。本研究中T2-STIR 序列退行性病變的GLevNonU 值較MM 組大，表明退行性病變椎體內(nèi)部紋理的明亮度較低，內(nèi)部紋理變化較大；這可能是由于骨髓脂肪變性、沉積引起骨質(zhì)退變造成的。Correlat 也稱相關(guān)度，是用于評估圖像的線性度，其來自于共生矩陣，可用于度量圖像中行或列上灰度級的相似程度［22-23］。MM 的T2-STIR 上的Correlat 值較高，原因可能為MM的病灶發(fā)生在骨髓組織（骨髓位于松質(zhì)骨的骨小梁間），病灶表面上雖呈散在、隨機(jī)分布，但實(shí)則多沿椎體的骨紋理排列［24］，這使MM 累及的椎體圖像在縱向或橫向上具有相似度較高的灰度值，且其縱向或橫向的紋理也較細(xì)致。WavEnLL_s-2 來自于小波變換，小波變換通過高、低通濾波器將原始圖像信號分成低頻和高頻分量，用于檢測圖像中的水平線、垂直線及交叉點(diǎn)和角點(diǎn)［25］，該高頻分量反映圖像的輪廓信息。本研究中T2WI 和T2-STIR 序列MM 組的WavEnLL_s-2值高于腰椎退變組，可能是由于MM 的骨質(zhì)破壞多呈邊緣清楚的穿鑿狀、鼠咬狀，易與骨質(zhì)疏松辨別。

本研究運(yùn)用Fisher、POE+ACC、MI 方法，每種方法分別從各序列篩選出10 個(gè)最佳特征參數(shù)。其中Fisher 為類間方差與類內(nèi)方差之比，POE+ACC 是基于分類錯(cuò)誤概率和所選特征之間平均相關(guān)系數(shù)的最小化，MI 是對紋理特征和類別變量之間依賴性的衡量，這3 種方法可降低紋理特征在所有類別中的分類錯(cuò)誤率［26］。在排除冗余參數(shù)后，對9 個(gè)特征參數(shù)行l(wèi)ogistic 回歸分析發(fā)現(xiàn)，T1WI 序列的Perc.10%和T2-STIR 序列的Perc.10%、135dr_GLevNonU 是鑒別MM 與退行性病變的獨(dú)立預(yù)測因子。ROC 曲線分析發(fā)現(xiàn)，3 個(gè)參數(shù)聯(lián)合的診斷效能較單一參數(shù)高（均P＜0.05），表明選取的紋理特征參數(shù)均能很好地鑒別腰椎MM 與腰椎退行性病變。

本研究的不足之處：①樣本量較小，致使研究結(jié)果可能存在一定偏倚；②未對腰椎退行性改變外的其他腰椎病變，以及累及腰椎的各型MM 行進(jìn)一步的分類研究，紋理分析對上述病變及病變亞型在鑒別上是否有幫助，有待進(jìn)一步研究；③僅對MRI T1WI、T2WI 和T2-STIR 進(jìn)行分析，未對其他序列進(jìn)一步研究，后續(xù)將逐步完善；④采用人工方式勾畫腰椎椎體，且未對椎體外的附件進(jìn)行勾畫，不可避免地存在人為因素的影響，未來將嘗試通過半自動及自動的方式來對椎體和對應(yīng)的附件進(jìn)行勾畫。

綜上所述，基于MRI 圖像的紋理特征參數(shù)在腰椎MM 與腰椎退行性病變的鑒別中有一定臨床價(jià)值，對指導(dǎo)臨床制訂有效的治療方案具有重要意義。